| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.3 论文研究内容 | 第19页 |
| 1.4 本文的结构 | 第19-20页 |
| 1.5 小结 | 第20-21页 |
| 第二章 相关理论和技术概述 | 第21-33页 |
| 2.1 个性化推荐系统概述 | 第21-22页 |
| 2.2 推荐系统常用算法 | 第22-32页 |
| 2.2.1 基于内容的推荐算法 | 第22-24页 |
| 2.2.2 协同过滤的推荐算法 | 第24-31页 |
| 2.2.3 基于关联规则的推荐算法 | 第31页 |
| 2.2.4 混合推荐算法 | 第31-32页 |
| 2.2.5 其他推荐算法 | 第32页 |
| 2.3 小结 | 第32-33页 |
| 第三章 基于用户对物品属性偏好统计的协同过滤推荐算法 | 第33-43页 |
| 3.1 基于用户对物品属性偏好统计的协同过滤推荐算法基本思想 | 第33页 |
| 3.2 基于用户对物品属性偏好统计协的同过滤推荐算法设计 | 第33-36页 |
| 3.2.1 用户对物品属性偏好建模 | 第33-35页 |
| 3.2.2 用户相似度计算 | 第35页 |
| 3.2.3 邻居用户集 | 第35页 |
| 3.2.4 评分值预测 | 第35-36页 |
| 3.2.5 物品推荐 | 第36页 |
| 3.3 实验及结果分析 | 第36-42页 |
| 3.3.1 实验环境 | 第36页 |
| 3.3.2 评估标准 | 第36-37页 |
| 3.3.3 数据处理 | 第37-38页 |
| 3.3.4 实验方案 | 第38-39页 |
| 3.3.5 算法效果分析 | 第39-42页 |
| 3.4 小结 | 第42-43页 |
| 第四章 基于用户对物品属性偏好统计的协同过滤和基于用户属性的混合推荐算法 | 第43-55页 |
| 4.1 混合推荐算法概述 | 第43页 |
| 4.2 混合推荐策略 | 第43-45页 |
| 4.3 基于用户对物品属性偏好统计的协同过滤和基于用户属性的混合推荐算法基本思想 | 第45页 |
| 4.4 UIPPSCF_UAB混合推荐算法设计 | 第45-46页 |
| 4.4.1 用户相似度计算 | 第45-46页 |
| 4.4.2 邻居用户集 | 第46页 |
| 4.4.3 评分值预测 | 第46页 |
| 4.4.4 物品推荐 | 第46页 |
| 4.5 实验及结果分析 | 第46-54页 |
| 4.5.1 数据处理 | 第46-47页 |
| 4.5.2 实验方案 | 第47-48页 |
| 4.5.3 权重因子a的确定 | 第48-50页 |
| 4.5.4 算法效果分析 | 第50-54页 |
| 4.6 小结 | 第54-55页 |
| 第五章 混合推荐原型系统建设 | 第55-64页 |
| 5.1 开发环境 | 第55页 |
| 5.2 系统功能需求分析 | 第55页 |
| 5.3 原型系统设计 | 第55-61页 |
| 5.3.1 系统的总体框架 | 第55-56页 |
| 5.3.2 系统总体功能结构设计 | 第56-57页 |
| 5.3.3 系统数据库表设计 | 第57-61页 |
| 5.4 系统开发 | 第61页 |
| 5.5 原型系统成果展示 | 第61-63页 |
| 5.6 小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间所取得的科研成果 | 第71页 |
