| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 推荐系统历史和发展现状 | 第11-14页 |
| 1.1.1 二八准则和长尾理论 | 第11-12页 |
| 1.1.2 推荐系统简介 | 第12-14页 |
| 1.2 电影推荐 | 第14-16页 |
| 1.2.1 电影推荐历史 | 第14-15页 |
| 1.2.2 电影推荐系统问题描述 | 第15-16页 |
| 1.3 推荐系统的衡量指标 | 第16-18页 |
| 1.3.1 准确度 | 第16-17页 |
| 1.3.2 覆盖率 | 第17-18页 |
| 1.4 本文研究的问题 | 第18-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 基于邻域的协同过滤算法 | 第21-29页 |
| 2.1 User-Based协同过滤方法 | 第21-25页 |
| 2.1.1 相似度 | 第22-23页 |
| 2.1.2 User-Based算法 | 第23-25页 |
| 2.2 Item-Based协同过滤算法 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于矩阵分解的协同过滤 | 第29-35页 |
| 3.1 隐语义模型 | 第30-31页 |
| 3.2 隐语义模型的求解方法 | 第31-32页 |
| 3.3 本章小结 | 第32-35页 |
| 第四章 电影推荐与用户的层次需求分析 | 第35-45页 |
| 4.1 电影推荐的Top ? N策略 | 第35-36页 |
| 4.2 用户品味和用户选择 | 第36-38页 |
| 4.3 马斯洛层次需求理论 | 第38-40页 |
| 4.4 用户需求分层策略 | 第40-43页 |
| 4.4.1 简单分层策略 | 第40页 |
| 4.4.2 均值 -偏差分层策略 | 第40-41页 |
| 4.4.3 聚类分层策略 | 第41-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 分层推荐协同过滤算法 | 第45-55页 |
| 5.1 分层策略的User-Based协同过滤算法 | 第45-49页 |
| 5.2 分层策略的Latent Factor CF | 第49-52页 |
| 5.3 相关工作 | 第52页 |
| 5.4 本章小结 | 第52-55页 |
| 第六章 实验结果与分析 | 第55-61页 |
| 6.1 实验数据集 | 第55-56页 |
| 6.2 实验及结果分析 | 第56-59页 |
| 6.3 本章小结 | 第59-61页 |
| 全文总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |
| 攻读学位期间参与的项目 | 第71-73页 |