| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 协同过滤算法研究现状 | 第11-12页 |
| 1.2.3 关联规则算法研究现状 | 第12-13页 |
| 1.3 研究内容及意义 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第2章 个性化推荐系统及相关算法概述 | 第15-29页 |
| 2.1 个性化推荐系统 | 第15-18页 |
| 2.1.1 个性化推荐系统概述 | 第15-16页 |
| 2.1.2 个性化推荐系统架构 | 第16-17页 |
| 2.1.3 个性化推荐系统分类 | 第17-18页 |
| 2.2 相关推荐算法 | 第18-26页 |
| 2.2.1 基于内容的推荐算法 | 第18-19页 |
| 2.2.2 基于协同过滤的推荐算法 | 第19-25页 |
| 2.2.3 混合推荐算法 | 第25-26页 |
| 2.3 主要推荐算法的优缺点 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于用户特征的协同过滤推荐算法 | 第29-45页 |
| 3.1 传统CF算法存在的问题 | 第29页 |
| 3.2 基于用户特征的协同过滤推荐算法 | 第29-36页 |
| 3.2.1 用户属性特征 | 第30-32页 |
| 3.2.2 用户兴趣特征 | 第32-33页 |
| 3.2.3 用户信任特征 | 第33-35页 |
| 3.2.4 算法描述 | 第35-36页 |
| 3.3 实验验证 | 第36-43页 |
| 3.3.1 实验数据集 | 第36-37页 |
| 3.3.2 算法评价指标 | 第37-38页 |
| 3.3.3 实验结果分析 | 第38-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于用户特征和项目关联度的协同过滤推荐算法 | 第45-57页 |
| 4.1 关联规则概述 | 第45-46页 |
| 4.2 Apriori算法 | 第46-50页 |
| 4.2.1 Apriori算法原理 | 第47页 |
| 4.2.2 Apriori算法流程 | 第47-50页 |
| 4.3 基于用户特征和项目关联度的协同过滤推荐算法 | 第50-52页 |
| 4.3.1 基于用户特征和项目关联度的协同过滤算法原理 | 第50-51页 |
| 4.3.2 基于用户特征和项目关联度的协同过滤算法描述 | 第51-52页 |
| 4.4 实验验证 | 第52-54页 |
| 4.4.1 实验数据集 | 第52页 |
| 4.4.2 算法评价指标 | 第52-53页 |
| 4.4.3 实验结果分析 | 第53-54页 |
| 4.5 本章小结 | 第54-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |
