| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究历史和现状 | 第12-14页 |
| 1.2.1 推荐系统研究历史和现状 | 第12-13页 |
| 1.2.2 推荐系统的概念漂移研究现状 | 第13-14页 |
| 1.3 本文的研究方法和主要工作 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 第二章 推荐系统及其概念漂移相关研究综述 | 第16-32页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 推荐算法及其分类 | 第17-28页 |
| 2.2.1 基于内容的推荐系统 | 第18-19页 |
| 2.2.2 协同过滤推荐系统 | 第19-27页 |
| 2.2.3 混合推荐系统 | 第27-28页 |
| 2.3 推荐系统中概念漂移的相关研究 | 第28-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第三章 推荐系统中概念漂移问题的数据研究 | 第32-51页 |
| 3.1 实验数据集介绍与处理 | 第32-36页 |
| 3.1.1 数据集介绍 | 第32-33页 |
| 3.1.2 数据扩充 | 第33-36页 |
| 3.2 物品间关系研究 | 第36-39页 |
| 3.2.1 物品间关系不平衡性验证 | 第36-37页 |
| 3.2.2 影响物品间关系的因素研究 | 第37-39页 |
| 3.3 基于PCA和K-Means的物品聚类研究 | 第39-46页 |
| 3.3.1 主成分分析法介绍 | 第40页 |
| 3.3.2 K-Means算法介绍 | 第40-41页 |
| 3.3.3 物品聚类研究 | 第41-46页 |
| 3.4 物品类别与用户概念漂移的研究 | 第46-50页 |
| 3.4.1 验证区块之间重复性 | 第47-49页 |
| 3.4.2 验证区块之间差别性 | 第49-50页 |
| 3.4.3 分析用户概念漂移特点 | 第50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于前置状态的推荐算法 | 第51-58页 |
| 4.1 前置状态定义 | 第51-52页 |
| 4.2 基于前置状态的转移概率 | 第52-53页 |
| 4.3 基于前置状态的推荐算法 | 第53-56页 |
| 4.4 算法复杂度分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 实验结果与分析 | 第58-70页 |
| 5.1 评价方法与指标 | 第58-59页 |
| 5.2 实验环境与实验数据 | 第59-61页 |
| 5.2.1 实验环境 | 第59-60页 |
| 5.2.2 实验数据与数据处理 | 第60页 |
| 5.2.3 数据划分 | 第60-61页 |
| 5.3 实验与分析 | 第61-66页 |
| 5.4 参数的选择 | 第66-69页 |
| 5.4.1 参数PCA_K和KMEANS_K的选择 | 第66-68页 |
| 5.4.2 参数K的选择 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-80页 |
| 攻读硕士学位期间取得的成果 | 第80页 |