| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 变量注释表 | 第14-18页 |
| 1 绪论 | 第18-25页 |
| 1.1 研究背景 | 第18-19页 |
| 1.2 推荐算法存在的主要问题 | 第19-21页 |
| 1.3 国内外研究现状 | 第21-23页 |
| 1.4 主要研究内容 | 第23-24页 |
| 1.5 论文组织安排 | 第24页 |
| 1.6 本章小结 | 第24-25页 |
| 2 典型推荐算法介绍 | 第25-35页 |
| 2.1 基于内容的推荐算法 | 第25页 |
| 2.2 基于内存的协同过滤算法 | 第25-29页 |
| 2.3 基于模型的协同过滤算法 | 第29-32页 |
| 2.4 混合推荐算法 | 第32-33页 |
| 2.5 各类推荐算法的比较 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 基于调和用户熵权重的矩阵分解推荐算法 | 第35-44页 |
| 3.1 基于时间间隔的用户-物品评分矩阵 | 第35-36页 |
| 3.2 调和用户熵权重相似度 | 第36-39页 |
| 3.3 基于调和用户熵权重的FunkSVD推荐算法 | 第39-40页 |
| 3.4 基于调和用户熵权重的距离矩阵分解推荐算法 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 实验设计与结果分析 | 第44-55页 |
| 4.1 实验平台 | 第44页 |
| 4.2 实验数据集 | 第44页 |
| 4.3 评价指标 | 第44-45页 |
| 4.4 实验方案与评估 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 结论与展望 | 第55-56页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55页 |
| 5.3 本章小结 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者简历 | 第60-61页 |
| 学位论文数据集 | 第61页 |