| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 流行性预测研究现状 | 第10-12页 |
| 1.2.2 推荐算法研究现状 | 第12-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文组织与结构 | 第15-17页 |
| 第二章 流行性预测和推荐系统及其相关技术 | 第17-35页 |
| 2.1 流行性预测 | 第17-19页 |
| 2.1.1 流行性预测概述 | 第17-18页 |
| 2.1.2 流行性预测的相关应用 | 第18-19页 |
| 2.2 推荐系统 | 第19-34页 |
| 2.2.1 推荐系统概述 | 第20页 |
| 2.2.2 推荐系统相关技术 | 第20-29页 |
| 2.2.2.1 协同过滤推荐算法 | 第20-22页 |
| 2.2.2.2 基于内容的推荐算法 | 第22-24页 |
| 2.2.2.3 基于网络结构的推荐算法 | 第24-27页 |
| 2.2.2.4 基于关联规则的推荐算法 | 第27-28页 |
| 2.2.2.5 混合推荐算法 | 第28-29页 |
| 2.2.3 推荐系统数据集 | 第29-30页 |
| 2.2.4 推荐系统评价指标 | 第30-34页 |
| 2.2.5 推荐算法所面临的挑战 | 第34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于流行商品骨架的推荐算法 | 第35-56页 |
| 3.1 问题的提出 | 第35页 |
| 3.2 流行性预测 | 第35-36页 |
| 3.3 基于预测流行商品骨架的推荐算法 | 第36-46页 |
| 3.3.1 算法思想 | 第36-37页 |
| 3.3.2 算法设计 | 第37-38页 |
| 3.3.3 实验结果及分析 | 第38-46页 |
| 3.3.3.1 影响推荐准确率的因素 | 第43-44页 |
| 3.3.3.2 ESIBN与SIBN的关系 | 第44-46页 |
| 3.4 基于多重流行商品骨架的推荐算法 | 第46-55页 |
| 3.4.1 算法思想 | 第46页 |
| 3.4.2 算法设计 | 第46-48页 |
| 3.4.3 实验结果及分析 | 第48-55页 |
| 3.4.3.1 FDP-HFP算法的准确率和召回率分析 | 第52-54页 |
| 3.4.3.2 ESIBN与准确率的关系 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于流行度加权的推荐算法 | 第56-69页 |
| 4.1 问题的提出 | 第56页 |
| 4.2 基于流行度加权的推荐算法 | 第56-64页 |
| 4.2.1 算法思想 | 第56-57页 |
| 4.2.2 算法设计 | 第57-58页 |
| 4.2.3 实验结果及分析 | 第58-64页 |
| 4.3 基于混合框架的推荐算法 | 第64-68页 |
| 4.3.1 算法思想 | 第64-65页 |
| 4.3.2 算法设计 | 第65页 |
| 4.3.3 实验结果及分析 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结及展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 下一步工作和展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |