| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外相关的研究现状 | 第12-14页 |
| 1.2.1 推荐系统研究现状 | 第12-13页 |
| 1.2.2 推荐技术研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 个性化推荐系统及相关技术 | 第16-25页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 相关推荐技术 | 第17-23页 |
| 2.2.1 基于内容的推荐 | 第17-18页 |
| 2.2.2 协同过滤推荐 | 第18-20页 |
| 2.2.3 基于规则的推荐 | 第20-21页 |
| 2.2.4 混合推荐技术 | 第21-23页 |
| 2.3 推荐技术存在的问题 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于用户评分尺度差异构建的邻居用户模型 | 第25-35页 |
| 3.1 相似度算法概述 | 第25-28页 |
| 3.2 用户评分尺度差异的提出 | 第28-30页 |
| 3.3 用户评分尺度差异的分析 | 第30-32页 |
| 3.3.1 余弦相似算法评分尺度差异分析 | 第30-31页 |
| 3.3.2 修正的余弦相似算法和皮尔逊相似算法评分尺度差异分析 | 第31-32页 |
| 3.4 平衡因子的提出 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于用户相似度改进的协同推荐算法 | 第35-43页 |
| 4.1 基于用户的协同过滤推荐的概述 | 第36-37页 |
| 4.2 改进的用户相似度算法 | 第37-38页 |
| 4.3 改进的协同推荐算法 | 第38-42页 |
| 4.3.1 用户相似度计算 | 第40页 |
| 4.3.2 最近邻居选取 | 第40-41页 |
| 4.3.3 产生推荐 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 实验设计与结果分析 | 第43-57页 |
| 5.1 实验数据集与实验环境 | 第43-44页 |
| 5.2 实验评价标准 | 第44-45页 |
| 5.3 实验步骤 | 第45-46页 |
| 5.3.1 阈值λ的选取 | 第45页 |
| 5.3.2 相似度计算与存储 | 第45-46页 |
| 5.3.3 最近邻居的选取 | 第46页 |
| 5.3.4 预测评分计算 | 第46页 |
| 5.4 实验结果与分析 | 第46-55页 |
| 5.4.1 阈值λ实验结果与分析 | 第46-49页 |
| 5.4.2 推荐精度分析 | 第49-55页 |
| 5.5 本章小结 | 第55-57页 |
| 结论与展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 附录A 攻读学位期间完成的主要成果 | 第64-65页 |
| 附录B 攻读学位期间参与的项目列表 | 第65-66页 |
| 致谢 | 第66页 |