| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 国外的研究现状 | 第9-10页 |
| 1.2.2 国内的研究现状 | 第10页 |
| 1.3 目的和意义 | 第10-11页 |
| 1.4 课题的主要内容 | 第11-12页 |
| 1.5 论文的组织结构 | 第12-14页 |
| 2 推荐系统及其相关理论 | 第14-22页 |
| 2.1 推荐系统基本概念 | 第14页 |
| 2.2 推荐算法的分类 | 第14-17页 |
| 2.3 协同过滤推荐算法 | 第17-20页 |
| 2.3.1 基于内存的协同过滤推荐算法 | 第18-19页 |
| 2.3.2 基于模型的协同过滤推荐算法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 时间序列预测模型 | 第22-30页 |
| 3.1 时间序列基本概念 | 第22页 |
| 3.2 时间序列预测技术 | 第22-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 融合项目流行度的协同过滤推荐算法 | 第30-42页 |
| 4.1 基于项目的协同过滤推荐算法 | 第30-35页 |
| 4.2 基于时间序列预测模型的项目流行度预测 | 第35-37页 |
| 4.3 融合项目流行度的协同过滤推荐算法 | 第37-40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 实验设计与结果分析 | 第42-62页 |
| 5.1 数据集 | 第42页 |
| 5.2 评价标准和实验方法 | 第42-45页 |
| 5.3 实验结果与分析 | 第45-61页 |
| 5.3.1 实验1时间序列预测项目的流行度模型对比实验 | 第45-53页 |
| 5.3.2 实验2推荐算法验证和对比实验分析 | 第53-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结全文 | 第62页 |
| 6.2 未来研究方向 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-69页 |