| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| Contents | 第12-14页 |
| 绪论 | 第14-22页 |
| ·研究的背景与意义 | 第14-15页 |
| ·研究背景 | 第14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究现状与发展趋势 | 第15-19页 |
| ·大众标注技术的研究现状 | 第16-17页 |
| ·推荐机制的研究现状 | 第17-18页 |
| ·高阶奇异值分解的研究现状 | 第18-19页 |
| ·论文研究内容与创新点 | 第19-21页 |
| ·论文的研究内容 | 第19页 |
| ·论文的技术路线及创新点 | 第19-20页 |
| ·论文的组织结构 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 大众标注和推荐机制的相关理论 | 第22-29页 |
| ·大众标注技术 | 第22-25页 |
| ·大众标注技术的概念 | 第22页 |
| ·大众标注的特点 | 第22-24页 |
| ·改进大众标注的建议 | 第24-25页 |
| ·推荐机制 | 第25-28页 |
| ·推荐机制的概念 | 第25-26页 |
| ·推荐机制分类 | 第26-28页 |
| ·个性化推荐机制 PRS 设计 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 引入 HOSVD 算法缓解数据稀疏性问题 | 第29-37页 |
| ·张量运算的概念 | 第30页 |
| ·奇异值分解的概念 | 第30-32页 |
| ·引入 HOSVD 算法缓解数据稀疏性问题 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于 Folksonomy 和 HOSVD 的网站推荐机制设计 | 第37-49页 |
| ·PRS 的设计理念 | 第37页 |
| ·PRS 的构建过程 | 第37-47页 |
| ·PRS 的数据设定 | 第37-39页 |
| ·相似度计算 | 第39-42页 |
| ·偏好计算 | 第42-45页 |
| ·PRS 的推荐结果 | 第45-47页 |
| ·研究中遇到的困难 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 仿真实验和结果分析 | 第49-57页 |
| ·实验环境与数据来源 | 第49页 |
| ·HOSVD 数据处理 | 第49-50页 |
| ·PRS 推荐机制实验 | 第50-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 总结与展望 | 第57-59页 |
| 全文工作总结 | 第57-58页 |
| 后续研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |