| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 应用现状 | 第9-10页 |
| 1.2.2 理论研究现状 | 第10页 |
| 1.3 本文工作 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 2 推荐系统相关理论 | 第12-21页 |
| 2.1 信息检索与信息过滤 | 第12-13页 |
| 2.2 推荐系统简介 | 第13-14页 |
| 2.3 推荐系统常用的推荐算法 | 第14-18页 |
| 2.3.1 基于内容的推荐算法 | 第15-17页 |
| 2.3.2 协同过滤算法 | 第17页 |
| 2.3.3 混合推荐算法 | 第17-18页 |
| 2.4 推荐系统评价指标 | 第18-20页 |
| 2.5 推荐系统面临的挑战 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 协同过滤算法相关理论 | 第21-31页 |
| 3.1 协同过滤算法的工作原理和流程 | 第21-23页 |
| 3.1.1 用户-项目评分矩阵 | 第21-22页 |
| 3.1.2 协同过滤算法的推荐流程 | 第22-23页 |
| 3.2 协同过滤算法的分类 | 第23-29页 |
| 3.2.1 基于内存的协同过滤算法 | 第23-28页 |
| 3.2.2 基于模型的协同过滤算法 | 第28-29页 |
| 3.3 协同过滤算法面临的挑战 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于综合相似度建模对基于项目的协同过滤算法的改进 | 第31-38页 |
| 4.1 项目的综合相似度建模 | 第31-34页 |
| 4.1.1 JAVWeightedModel建模背景 | 第31-32页 |
| 4.1.2 JAVWeightedModel相似度计算方法 | 第32-34页 |
| 4.2 融合改进的K-Center算法的基于项目的协同过滤算法 | 第34-37页 |
| 4.2.1 问题描述 | 第34页 |
| 4.2.2 改进K-Center算法 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 5 实验及其分析 | 第38-44页 |
| 5.1 数据集与评价指标 | 第38页 |
| 5.2 实验结果与分析 | 第38-42页 |
| 5.2.1 JAVWeightedModel效果验证与分析 | 第38-40页 |
| 5.2.2 改进后的基于项目的协同过滤算法的效果验证与分析 | 第40-42页 |
| 5.3 实验结果总结 | 第42页 |
| 5.4 本章小结 | 第42-44页 |
| 6 结论与展望 | 第44-46页 |
| 6.1 本文工作总结 | 第44-45页 |
| 6.2 进一步的工作与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在读期间公开发表论文（著）及科研情况 | 第50页 |
