| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文研究内容与结构安排 | 第9-10页 |
| 第2章 个性化推荐系统及相关技术概述 | 第10-28页 |
| ·引言 | 第10-11页 |
| ·常用推荐算法 | 第11-25页 |
| ·基于规则的推荐系统 | 第11-13页 |
| ·基于内容的推荐系统 | 第13-15页 |
| ·基于协同过滤的推荐系统 | 第15-24页 |
| ·混合式推荐系统 | 第24-25页 |
| ·推荐系统评价标准 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于用户兴趣传播的协同过滤方法 | 第28-44页 |
| ·引言 | 第28-32页 |
| ·数据稀疏性问题简介 | 第28-30页 |
| ·已有解决方案 | 第30-32页 |
| ·基于用户兴趣传播的协同过滤方法 | 第32-38页 |
| ·算法策略及原理 | 第32-33页 |
| ·二部图构建及投影 | 第33-35页 |
| ·用户兴趣向量的建立和更新 | 第35-36页 |
| ·基于兴趣的相似性计算 | 第36页 |
| ·评分值预测 | 第36-37页 |
| ·基于用户兴趣传播的协同过滤算法UIT 描述 | 第37-38页 |
| ·实验结果及分析 | 第38-43页 |
| ·基准数据集 | 第38-39页 |
| ·算法性能评价基准 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于共性群组关联分析的个性化推荐方法及系统 | 第44-64页 |
| ·引言 | 第44-47页 |
| ·系统设计 | 第47-59页 |
| ·系统框架 | 第47-48页 |
| ·共性群组发现子系统 | 第48-51页 |
| ·共性群组频繁项集挖掘子系统 | 第51-55页 |
| ·个性化推荐服务子系统 | 第55-59页 |
| ·系统性能分析 | 第59页 |
| ·系统开发环境及应用实例 | 第59-63页 |
| ·软硬件环境 | 第59-60页 |
| ·应用实例 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与工作展望 | 第64-66页 |
| ·本文总结 | 第64-65页 |
| ·未来研究方向展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在读期间发表的论文与取得的研究成果 | 第71页 |