流动放映推荐系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状和趋势 | 第11-15页 |
| 1.2.1 电子商务 | 第12-13页 |
| 1.2.2 视频 | 第13-14页 |
| 1.2.3 音乐 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第2章 相关技术简介 | 第18-28页 |
| 2.1 推荐算法简介 | 第18-24页 |
| 2.1.1 基于内容的推荐算法 | 第18-19页 |
| 2.1.2 协同过滤推荐算法 | 第19-21页 |
| 2.1.3 关联规则挖掘 | 第21-22页 |
| 2.1.4 基于Slope One的推荐算法 | 第22-23页 |
| 2.1.5 基于矩阵分解（SVD）的推荐算法 | 第23-24页 |
| 2.1.6 混合推荐算法 | 第24页 |
| 2.2 相似度计算 | 第24-26页 |
| 2.2.1 欧式距离 | 第25页 |
| 2.2.2 余弦相似度 | 第25页 |
| 2.2.3 修正的余弦相似度 | 第25页 |
| 2.2.4 皮尔逊相关系数 | 第25-26页 |
| 2.3 推荐性能的评价指标 | 第26-27页 |
| 2.3.1 准确率与召回率 | 第26页 |
| 2.3.2 覆盖率 | 第26-27页 |
| 2.3.3 MAE和RMSE | 第27页 |
| 2.3.4 算法运行效率 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 影片推荐算法设计 | 第28-36页 |
| 3.1 推荐算法需求分析 | 第28-29页 |
| 3.1.1 放映点特点分析 | 第28-29页 |
| 3.1.2 影片订购规律分析 | 第29页 |
| 3.1.3 用户相似性分析 | 第29页 |
| 3.2 推荐算法设计 | 第29-34页 |
| 3.2.1 基于用户的协同过滤算法设计 | 第29-30页 |
| 3.2.2 关联规则挖掘算法设计 | 第30页 |
| 3.2.3 Slope One算法设计 | 第30页 |
| 3.2.4 混合式推荐算法设计 | 第30-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 系统需求分析与系统设计 | 第36-60页 |
| 4.1 功能需求分析 | 第36-39页 |
| 4.1.1 影片信息系统功能需求分析 | 第36-38页 |
| 4.1.2 推荐系统功能需求分析 | 第38-39页 |
| 4.2 非功能性需求分析 | 第39-41页 |
| 4.2.1 性能需求 | 第39-40页 |
| 4.2.2 准确性需求 | 第40页 |
| 4.2.3 稳定性需求 | 第40页 |
| 4.2.4 可扩展性需求 | 第40页 |
| 4.2.5 用户交互需求 | 第40-41页 |
| 4.3 系统功能模块设计 | 第41-44页 |
| 4.3.1 影片信息系统功能模块设计 | 第41-42页 |
| 4.3.2 推荐系统功能模块设计 | 第42-44页 |
| 4.4 系统架构设计 | 第44-48页 |
| 4.4.1 影片信息系统架构设计 | 第44-46页 |
| 4.4.2 推荐系统架构设计 | 第46-48页 |
| 4.5 数据库设计 | 第48-59页 |
| 4.5.1 影片信息系统数据库设计 | 第48-54页 |
| 4.5.2 推荐系统数据库设计 | 第54-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 系统实现与测试 | 第60-86页 |
| 5.1 开发环境 | 第60页 |
| 5.2 系统功能的实现 | 第60-80页 |
| 5.2.1 影片信息系统功能的实现 | 第60-74页 |
| 5.2.2 影片推荐系统功能的实现 | 第74-80页 |
| 5.3 实验数据集 | 第80-81页 |
| 5.4 评价指标 | 第81页 |
| 5.5 推荐结果与分析 | 第81-83页 |
| 5.6 本章小结 | 第83-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 攻读硕士学位期间获得的科研成果 | 第94-96页 |
| 致谢 | 第96页 |
