| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 推荐系统的定义 | 第8页 |
| 1.3 国内外研究综述 | 第8-11页 |
| 1.4 论文研究内容、组织结构及创新之处 | 第11-13页 |
| 第2章 协同过滤推荐技术概述 | 第13-23页 |
| 2.1 基于内容的推荐技术 | 第13-14页 |
| 2.2 协同过滤推荐技术 | 第14-23页 |
| 第3章 数据稀疏性问题的起因及影响途径 | 第23-26页 |
| 3.1 数据稀疏性问题的起因 | 第23页 |
| 3.2 数据稀疏性问题对协同过滤推荐的影响途径 | 第23-24页 |
| 3.3 本文采用的解决方法 | 第24-26页 |
| 第4章 数据准备及基于描述性统计的简单推荐 | 第26-32页 |
| 4.1 数据集 | 第26-27页 |
| 4.2 协同过滤推荐算法的统计学评价标准—平均绝对偏差（MAE） | 第27-28页 |
| 4.3 基于描述性统计的简单推荐 | 第28-32页 |
| 第5章 面向数据稀疏问题的协同过滤推荐算法改进 | 第32-47页 |
| 5.1 基于统计量填充的协同过滤推荐算法改进 | 第32-35页 |
| 5.2 K-Means聚类缓解数据稀疏性问题 | 第35-38页 |
| 5.3 奇异值分解（SVD）缓解数据稀疏性问题 | 第38-41页 |
| 5.4 基于用户加权相似度的协同过滤推荐算法改进 | 第41-45页 |
| 5.5 不同方法下的MAE对比 | 第45-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 研究总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52-55页 |
| 致谢 | 第55-56页 |
| 研究生期间科研情况 | 第56页 |