| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题背景和意义 | 第7页 |
| 1.2 课题来源 | 第7-8页 |
| 1.3 课题研究现状 | 第8-9页 |
| 1.4 课题研究内容 | 第9-10页 |
| 1.5 章节安排 | 第10-12页 |
| 第2章 个性化推荐系统相关理论及相关技术 | 第12-19页 |
| 2.1 个性化推荐系统的组成 | 第12-14页 |
| 2.1.1 用户行为记录模块 | 第12页 |
| 2.1.2 用户行为分析处理模块 | 第12页 |
| 2.1.3 推荐模块 | 第12-14页 |
| 2.2 个性化推荐系统相关技术 | 第14-18页 |
| 2.2.1 信息过滤技术 | 第14-16页 |
| 2.2.2 数据挖掘技术 | 第16-17页 |
| 2.2.3 混合推荐技术 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 协同过滤技术分析 | 第19-30页 |
| 3.1 协同过滤技术 | 第19页 |
| 3.2 基于用户的(User- based)协同过滤算法 | 第19-23页 |
| 3.3 基于项目的(Item-based)协同过滤算法 | 第23-25页 |
| 3.4 协同过滤中存在的问题及解决方法 | 第25-27页 |
| 3.5 改进的填充值法则 | 第27-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 基于知识情境的个性化推荐系统的分析 | 第30-50页 |
| 4.1 个性化推荐系统总体框架 | 第30-31页 |
| 4.2 基于 Ontology（本体论）的特征模型 | 第31-34页 |
| 4.3 基于知识情境的特征模型 | 第34-37页 |
| 4.3.1 情境概念以及特点 | 第34-35页 |
| 4.3.2 基于知识情境的图书特征建模 | 第35-37页 |
| 4.3.3 基于知识情境的读者特征建模 | 第37页 |
| 4.4 基于《知网(HowNet)》的词义相似度 | 第37-45页 |
| 4.4.1 《知网》的结构 | 第37-41页 |
| 4.4.2 词义相似度计算的基本思路 | 第41-42页 |
| 4.4.3 词义相似度具体计算方法 | 第42-44页 |
| 4.4.4 优化的词义相似度计算方法 | 第44-45页 |
| 4.5 基于知识情境特征模型相似度评估 | 第45-49页 |
| 4.5.1 基于知识情境特征模型相似度计算 | 第45-46页 |
| 4.5.2 情境树相似度计算 | 第46-48页 |
| 4.5.3 情境树相似度算法 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 实验结果及分析 | 第50-58页 |
| 5.1 实验数据集及实验环境 | 第50-51页 |
| 5.2 推荐系统评价标准 | 第51-52页 |
| 5.3 实验分析 | 第52-55页 |
| 5.3.1 实验数据的选择 | 第52页 |
| 5.3.2 实验过程 | 第52-53页 |
| 5.3.3 实验结果分析 | 第53-55页 |
| 5.4 基于知识情境的推荐系统的应用 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| 6.1 论文总结 | 第58-59页 |
| 6.2 进一步研究方向 | 第59页 |
| 6.3 论文展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间的研究成果 | 第65页 |
