| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景介绍 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 推荐算法的国内外研究现状 | 第14-16页 |
| 1.4 本文的研究内容 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-18页 |
| 第2章 个性化推荐算法介绍 | 第18-26页 |
| 2.1 基于内容的推荐算法 | 第18-20页 |
| 2.2 协同过滤推荐算法 | 第20-21页 |
| 2.3 基于关联规则的推荐算法 | 第21-22页 |
| 2.4 基于图的推荐算法 | 第22-24页 |
| 2.5 混合推荐算法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于随机森林和协同过滤的混合推荐算法 | 第26-44页 |
| 3.1 随机森林模型 | 第26-30页 |
| 3.1.1 决策树算法 | 第26-28页 |
| 3.1.2 随机森林模型的构建过程 | 第28-30页 |
| 3.2 基于层次分析法的协同过滤算法 | 第30-36页 |
| 3.2.1 层次分析法 | 第31-32页 |
| 3.2.2 改进后的协同过滤算法 | 第32-36页 |
| 3.3 两个算法的融合 | 第36-37页 |
| 3.4 实验及结果分析 | 第37-43页 |
| 3.4.1 实验原始数据集 | 第37页 |
| 3.4.2 数据预处理及实验环境 | 第37-38页 |
| 3.4.3 数据的属性特征设计与提取 | 第38页 |
| 3.4.4 算法的评估依据 | 第38-39页 |
| 3.4.5 模型说明 | 第39-40页 |
| 3.4.6 实验步骤 | 第40页 |
| 3.4.7 实验结果及分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于BP-RBF组合神经网络推荐算法 | 第44-56页 |
| 4.1 BP神经网络 | 第44-48页 |
| 4.1.1 BP神经网络的基本原理 | 第44-45页 |
| 4.1.2 BP神经网络算法描述 | 第45-47页 |
| 4.1.3 BP神经网络算法分析 | 第47-48页 |
| 4.2 RBF神经网络 | 第48-50页 |
| 4.2.1 RBF神经网络的基本原理 | 第48页 |
| 4.2.2 RBF神经网络算法描述 | 第48-50页 |
| 4.2.3 RBF神经网络算法分析 | 第50页 |
| 4.3 基于RBF-BP组合神经网络推荐算法 | 第50-52页 |
| 4.3.1 基于RBF-BP组合神经网络的基本思想 | 第50-51页 |
| 4.3.2 组合神经网络的结构 | 第51页 |
| 4.3.3 基于RBF-BP组合神经网络的推荐算法描述 | 第51-52页 |
| 4.4 实验及结果分析 | 第52-55页 |
| 4.4.1 实验数据说明 | 第52-53页 |
| 4.4.2 实验方案 | 第53-54页 |
| 4.4.3 实验结果及分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 攻读学位期间所发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |