| 中文摘要 | 第3-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 个性化推荐系统研究现状 | 第13-14页 |
| 1.2.2 协同过滤推荐技术研究现状 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 本文的组织结构及创新点 | 第17-19页 |
| 第二章 协同过滤推荐算法 | 第19-30页 |
| 2.1 电子商务推荐系统概述 | 第19-23页 |
| 2.1.1 电子商务推荐系统简介 | 第19-20页 |
| 2.1.2 个性化推荐技术 | 第20-23页 |
| 2.2 协同过滤推荐算法概念和原理 | 第23-25页 |
| 2.3 协同过滤推荐算法分类 | 第25-29页 |
| 2.3.1 基于用户的协同过滤推荐算法 | 第25-27页 |
| 2.3.2 基于项目的协同过滤推荐算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于信任的推荐方法 | 第30-35页 |
| 3.1 信任的概念和特点 | 第30-31页 |
| 3.2 信任网络 | 第31-32页 |
| 3.3 基于信任的推荐 | 第32-33页 |
| 3.4 专家用户 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于粗糙集和信任网络的协同过滤推荐算法 | 第35-53页 |
| 4.1 粗糙集理论相关知识 | 第35-37页 |
| 4.2 改进的基于不完备信息系统的ROUSITDA算法 | 第37-44页 |
| 4.2.1 ROUSTIDA算法问题描述及现有解决方案 | 第37-38页 |
| 4.2.2 改进的ROUSTIDA算法 | 第38-42页 |
| 4.2.3 结果分析 | 第42-44页 |
| 4.3 基于粗糙集和专家用户的数据处理模式 | 第44-47页 |
| 4.3.1 专家用户评估模式 | 第44-46页 |
| 4.3.2 算法描述 | 第46-47页 |
| 4.4 基于信任度和相似度的混合协同过滤推荐算法 | 第47-51页 |
| 4.4.1 相似度计算 | 第47页 |
| 4.4.2 改进的信任度计算 | 第47-50页 |
| 4.4.3 合并矩阵 | 第50页 |
| 4.4.4 最近邻选取与评分预测 | 第50-51页 |
| 4.5 基于粗糙集和信任网络的协同过滤推荐算法流程图 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 实验 | 第53-58页 |
| 5.1 实验数据集与评估标准 | 第53-54页 |
| 5.2 实验结果与分析 | 第54-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的论文 | 第66页 |
