| 摘要 | 第4-7页 |
| Abstract | 第7-8页 |
| Acknowledgement | 第9-13页 |
| Nomenclature | 第13-16页 |
| Chapter 1 Introduction | 第16-23页 |
| 1.1 Research background | 第16-18页 |
| 1.1.1 Overloaded information | 第16-17页 |
| 1.1.2 Recommendation system | 第17-18页 |
| 1.2 Research of theoretical standard procedures | 第18-21页 |
| 1.2.1 Research on user similarity | 第19-20页 |
| 1.2.2 Research on recommender system | 第20-21页 |
| 1.3 Main content of research | 第21-22页 |
| 1.4 Organization of thesis | 第22-23页 |
| Chapter 2 Literature Review and Related Work | 第23-41页 |
| 2.1 Recommendation system techniques | 第23-32页 |
| 2.1.1 Collaborative filtering | 第24-28页 |
| 2.1.2 Hybrid recommendation system | 第28-29页 |
| 2.1.3 Non-negative matrix factorization | 第29-31页 |
| 2.1.4 Recommendation system challenges | 第31-32页 |
| 2.2 Recommendation system phases | 第32-34页 |
| 2.2.1 Information collection phase | 第33页 |
| 2.2.2 Learning phase | 第33-34页 |
| 2.2.3 Prediction / recommendation phase | 第34页 |
| 2.3 User similarity | 第34-36页 |
| 2.3.1 Euclidean distance similarity | 第35页 |
| 2.3.2 Jaccard similarity | 第35-36页 |
| 2.4 Recommender system research | 第36-40页 |
| 2.4.1 Item to item collaborative filtering | 第36-37页 |
| 2.4.2 Web-scale dyadic data analysis on Map Reduce | 第37-38页 |
| 2.4.3 Scalable online collaborative filtering | 第38-39页 |
| 2.4.4 My Media Lite: a free recommender system library | 第39-40页 |
| 2.5 Summary | 第40-41页 |
| Chapter 3 Design of A Collaborative Filtering Method Based on Similarity of Item Attributes | 第41-55页 |
| 3.1 Problem statement | 第41-42页 |
| 3.2 CFSIA methodology overview | 第42-43页 |
| 3.3 The analysis of compared algorithm | 第43-44页 |
| 3.3.1 User average rating | 第43-44页 |
| 3.3.2 Item average rating | 第44页 |
| 3.3.3 Random rating | 第44页 |
| 3.4 The framework of CFSIA model | 第44-54页 |
| 3.4.1 Information collection phase | 第45-46页 |
| 3.4.2 Learning phase | 第46-51页 |
| 3.4.3 Prediction / recommendation phase | 第51-54页 |
| 3.5 Summary | 第54-55页 |
| Chapter 4 Experimental Evaluation and Method Analysis | 第55-77页 |
| 4.1 Experimental setup | 第55-57页 |
| 4.1.1 Dataset overview | 第56页 |
| 4.1.2 Database structure | 第56-57页 |
| 4.2 Experimental evaluation metrics | 第57-59页 |
| 4.2.1 Mean absolute error (MAE) | 第58页 |
| 4.2.2 Root mean square error (RMSE) | 第58-59页 |
| 4.3 Experimental results | 第59-66页 |
| 4.3.1 Diversity and long tail problem | 第63-65页 |
| 4.3.2 Gray sheep and shilling attack | 第65-66页 |
| 4.4 Method improvement and optimization | 第66-71页 |
| 4.4.1 Similarity correlation analysis | 第66-68页 |
| 4.4.2 Method optimization | 第68-69页 |
| 4.4.3 Improvement result | 第69-71页 |
| 4.5 Linear regression analysis | 第71-75页 |
| 4.5.1 Traditional linear regression model | 第71-72页 |
| 4.5.2 Similarity regression model | 第72-73页 |
| 4.5.3 Evaluation result comparison | 第73-75页 |
| 4.6 Summary | 第75-77页 |
| Conclusion | 第77-79页 |
| Reference | 第79-86页 |
| Author’s Publications | 第86-87页 |
