| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 推荐系统国内外研究现状 | 第9-14页 |
| 1.2.1 个性化推荐的研究现状 | 第9-10页 |
| 1.2.2 协同过滤的研究现状 | 第10-12页 |
| 1.2.3 协同过滤面临的主要问题和挑战分析 | 第12-14页 |
| 1.3 主要内容及创新 | 第14-15页 |
| 1.4 论文主要结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 推荐系统的相关理论与方法 | 第17-34页 |
| 2.1 推荐系统框架介绍 | 第17-18页 |
| 2.2 常见的推荐方法 | 第18-29页 |
| 2.2.1 基于关联规则的推荐方法 | 第19-20页 |
| 2.2.2 基于内容的推荐方法 | 第20-21页 |
| 2.2.3 协同过滤的推荐方法 | 第21-28页 |
| 2.2.4 混合推荐 | 第28-29页 |
| 2.3 推荐系统的评价指标 | 第29-31页 |
| 2.4 推荐系统的应用 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于聚类技术的协同过滤推荐技术 | 第34-40页 |
| 3.1 聚类算法 | 第34-36页 |
| 3.1.1 聚类分析的基本概念 | 第34-35页 |
| 3.1.2 数据对象之间的相似性度量 | 第35-36页 |
| 3.2 K-means算法介绍 | 第36-37页 |
| 3.3 基于聚类技术的协同过滤推荐方法 | 第37-39页 |
| 3.3.1 基于用户聚类的协同过滤技术 | 第37-38页 |
| 3.3.2 基于项目聚类的协同过滤技术 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于用户特征聚类的协同过滤推荐的改进算法及实现 | 第40-60页 |
| 4.1 基于用户特征聚类的协同过滤推荐的改进模型 | 第40-46页 |
| 4.1.1 基于用户特征的聚类分析 | 第41-43页 |
| 4.1.2 基于项目类型偏好的用户相似度 | 第43-46页 |
| 4.2 实验数据集与实验环境 | 第46-49页 |
| 4.2.1 主流的实验数据集 | 第46页 |
| 4.2.2 本文数据集 | 第46-49页 |
| 4.2.3 实验环境 | 第49页 |
| 4.3 算法的实现过程 | 第49-53页 |
| 4.4 实验结果分析 | 第53-59页 |
| 4.4.1 可调节系数a 值的选取 | 第53-55页 |
| 4.4.2 聚类个数选取 | 第55-57页 |
| 4.4.3 MAE值比较 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 总结 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-68页 |
| 攻读学位期间科研成果 | 第68-69页 |
| 致谢 | 第69页 |