| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究内容和意义 | 第9-11页 |
| 1.4 论文章节概要 | 第11-12页 |
| 第二章 相关技术简介 | 第12-17页 |
| 2.1 金字塔地理模型 | 第12-13页 |
| 2.2 边界用户 | 第13-14页 |
| 2.3 基于用户的协同过滤 | 第14页 |
| 2.4 利用上下文的推荐 | 第14-15页 |
| 2.5 相似度度量方法 | 第15页 |
| 2.6 推荐算法的评价指标 | 第15-16页 |
| 2.7 本章小结 | 第16-17页 |
| 第三章 基于地域划分的个性化推荐模型概述 | 第17-21页 |
| 3.1 论文研究思路 | 第17页 |
| 3.2 通用模型结构分析 | 第17-19页 |
| 3.3 基于地域划分的个性化电影推荐对比实验流程 | 第19-20页 |
| 3.4 本章小结 | 第20-21页 |
| 第四章 基于地域划分个性化推荐模型在电影推荐上的实现 | 第21-31页 |
| 4.1 实验数据 | 第21-22页 |
| 4.2 相似度度量和一般用户预测评分推荐 | 第22-26页 |
| 4.3 推荐列表产生过程示例 | 第26-27页 |
| 4.4 边界用户的推荐 | 第27-30页 |
| 4.5 本章小结 | 第30-31页 |
| 第五章 实验效果评估与分析 | 第31-37页 |
| 5.1 本文算法与其他基准算法的实验对比 | 第31-34页 |
| 5.2 对比结果分析 | 第34-36页 |
| 5.3 本章小结 | 第36-37页 |
| 第六章 总结与展望 | 第37-38页 |
| 6.1 本文工作总结 | 第37页 |
| 6.2 不足与展望 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40页 |