| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.2 研究的目标和内容 | 第13-14页 |
| 1.3 论文的章节安排 | 第14-15页 |
| 2. 推荐系统算法综述 | 第15-24页 |
| 2.1 协同过滤推荐算法 | 第15-17页 |
| 2.2 矩阵分解模型 | 第17-19页 |
| 2.3 多指标评分推荐算法 | 第19-23页 |
| 2.3.1 基于相似度方法扩展标准的协同过滤技术 | 第19-20页 |
| 2.3.2 基于聚合函数的方法 | 第20-22页 |
| 2.3.3 基于聚类的思想 | 第22页 |
| 2.3.4 其他方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3. 多指标概率矩阵分解算法 | 第24-37页 |
| 3.1 问题定义 | 第24-25页 |
| 3.2 概率矩阵分解PMF | 第25-28页 |
| 3.2.1 矩阵分解 | 第25-27页 |
| 3.2.2 概率矩阵分解 | 第27-28页 |
| 3.3 多指标概率矩阵分解 | 第28-36页 |
| 3.3.1 基于多指标评分概率分布(MCPMF1) | 第30-31页 |
| 3.3.2 基于多指标评分协方差矩阵(MCPMF2) | 第31-32页 |
| 3.3.3 多指标概率矩阵分解 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4. 实验结果与分析 | 第37-49页 |
| 4.1 推荐系统实验方法介绍 | 第37-38页 |
| 4.2 评价指标 | 第38-41页 |
| 4.3 数据集介绍 | 第41-42页 |
| 4.4 实验设计与对比方法 | 第42-43页 |
| 4.5 实验结果和分析 | 第43-48页 |
| 4.5.1 实验 1-参数对算法的影响 | 第43-44页 |
| 4.5.2 实验 2-相关算法对比分析 | 第44-47页 |
| 4.5.3 实验 3-数据稀疏性对算法的影响 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5. 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第58页 |