| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 个性化推荐系统 | 第10-11页 |
| 1.2.2 个性化推荐算法 | 第11-12页 |
| 1.2.3 研究现状小结 | 第12页 |
| 1.3 研究目标 | 第12-13页 |
| 1.4 研究内容 | 第13页 |
| 1.5 全文组织结构 | 第13-15页 |
| 第二章 个性化推荐系统及推荐算法介绍 | 第15-22页 |
| 2.1 个性化推荐系统 | 第15-16页 |
| 2.2 个性化推荐算法 | 第16-21页 |
| 2.2.1 基于内容的推荐算法 | 第16-17页 |
| 2.2.2 协同过滤推荐算法 | 第17-19页 |
| 2.2.3 基于规则的推荐算法 | 第19页 |
| 2.2.4 基于社会化标签的推荐算法 | 第19-20页 |
| 2.2.5 个性化推荐算法比较 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于社会化标签模型的个性化推荐算法 | 第22-30页 |
| 3.1 基于隐性数据的社会化标签模型 | 第22-23页 |
| 3.2 基于社会化标签模型的个性化推荐算法 | 第23-29页 |
| 3.2.1 邻居用户发现 | 第23-25页 |
| 3.2.2 商品聚类 | 第25-26页 |
| 3.2.3 推荐算法 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于用户分类的个性化推荐算法 | 第30-38页 |
| 4.1 个性化推荐冷启动问题 | 第30页 |
| 4.2 用户分类问题 | 第30-36页 |
| 4.2.1 问题描述 | 第30-31页 |
| 4.2.2 贝叶斯分类器 | 第31-34页 |
| 4.2.3 基于贝叶斯的用户分类算法 | 第34-36页 |
| 4.3 基于用户分类的个性化推荐算法 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 实验及结果分析 | 第38-52页 |
| 5.1 基于公开数据集的对比实验 | 第38-46页 |
| 5.1.1 数据集与评价指标 | 第38-40页 |
| 5.1.2 基于社会化标签模型的个性化推荐算法实验结果 | 第40-43页 |
| 5.1.3 基于用户分类的个性化推荐算法实验结果 | 第43-46页 |
| 5.2 基于实际网厅系统的对比验证 | 第46-51页 |
| 5.2.1 基于社会化标签模型的个性化推荐算法验证结果 | 第46-49页 |
| 5.2.2 基于用户分类的个性化推荐算法验证结果 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 附录1 原型系统设计和界面 | 第55-69页 |
| 致谢 | 第69页 |