| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 课题背景与研究意义 | 第17-23页 |
| 1.1.1 推荐系统概述 | 第18页 |
| 1.1.2 推荐系统分类 | 第18-21页 |
| 1.1.3 推荐系统研究进展 | 第21-22页 |
| 1.1.4 推荐系统面临的问题 | 第22-23页 |
| 1.2 本论文主要工作与内容安排 | 第23-25页 |
| 第二章 协同过滤推荐方法 | 第25-33页 |
| 2.1 协同过滤推荐方法 | 第25-29页 |
| 2.1.1 协同过滤推荐方法概述 | 第25页 |
| 2.1.2 基于用户的协同过滤推荐 | 第25-26页 |
| 2.1.3 基于项目的协同过滤推荐 | 第26-27页 |
| 2.1.4 基于模型的协同过滤推荐 | 第27-28页 |
| 2.1.5 协同过滤面临的问题 | 第28-29页 |
| 2.1.6 协同过滤推荐方法的改进 | 第29页 |
| 2.2 推荐系统常用的评价指标 | 第29-31页 |
| 2.2.1 正确率 | 第30页 |
| 2.2.2 召回率 | 第30页 |
| 2.2.3 F1指标 | 第30-31页 |
| 2.2.4 平均绝对误差 | 第31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 结合巴氏距离与雅克比距离的稀疏数据协同过滤推荐方法 | 第33-47页 |
| 3.1 常用的相似度指标 | 第33-34页 |
| 3.1.1 传统相似度指标 | 第33-34页 |
| 3.1.2 其它相似度指标 | 第34页 |
| 3.2 针对稀疏数据改进的相似度指标 | 第34-38页 |
| 3.2.1 BCF（Bhattacharyya Coefficient in CF）相似度指标 | 第34-36页 |
| 3.2.2 结合巴氏系数与雅克比系数针对稀疏数据的相似性指标 | 第36-38页 |
| 3.3 仿真实验分析 | 第38-45页 |
| 3.3.1 实验数据集 | 第38-39页 |
| 3.3.2 对比方法与采用的评价指标 | 第39页 |
| 3.3.3 实验结果与分析 | 第39-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 结合物品相似性进行噪声评分检测去除的协同过滤推荐方法 | 第47-55页 |
| 4.1 前言 | 第47-48页 |
| 4.2 算法实现 | 第48-51页 |
| 4.2.1 构建算法动机 | 第48-49页 |
| 4.2.2 算法具体实现 | 第49-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.3.1 实验数据集 | 第51页 |
| 4.3.2 实验结果与分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 基于差分进化算法结合人口统计信息的推荐方法 | 第55-65页 |
| 5.1 前言 | 第55-57页 |
| 5.1.1 进化算法在推荐系统中相关应用 | 第55-56页 |
| 5.1.2 基于人口统计学的推荐方法 | 第56页 |
| 5.1.3 差分进化算法 | 第56-57页 |
| 5.2 算法实现 | 第57-60页 |
| 5.2.1 动机 | 第57-58页 |
| 5.2.2 算法具体实现 | 第58-60页 |
| 5.3 仿真实验 | 第60-63页 |
| 5.3.1 实验数据集 | 第60页 |
| 5.3.2 实验结果分析 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 研究结论 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
