| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·国内外研究现状综述 | 第9-12页 |
| ·传统的协同过滤推荐算法 | 第9页 |
| ·基于内容的推荐算法 | 第9-10页 |
| ·基于聚类算法的推荐 | 第10页 |
| ·基于产品到产品的推荐算法 | 第10-12页 |
| ·本文的主要工作及章节安排 | 第12-14页 |
| 2 传统的协同过滤推荐模型 | 第14-21页 |
| ·引言 | 第14页 |
| ·经典的KNN协同过滤算法 | 第14-17页 |
| ·算法框架 | 第14-15页 |
| ·算法实现过程 | 第15-17页 |
| ·实验结果及分析 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 3 融合时间属性的协同过滤推荐算法 | 第21-33页 |
| ·引言 | 第21页 |
| ·时间过滤推荐模型 | 第21-28页 |
| ·时间因素分析 | 第21-22页 |
| ·时间过滤函数的建立 | 第22-24页 |
| ·时间衰减过滤 | 第24-26页 |
| ·时间窗口过滤 | 第26-28页 |
| ·评估方法 | 第28-30页 |
| ·实验结果及分析 | 第30-32页 |
| ·本章总结 | 第32-33页 |
| 4 基于知识和协同过滤的混合推荐算法 | 第33-47页 |
| ·引言 | 第33页 |
| ·推荐技术的对比以及混合方法 | 第33-39页 |
| ·推荐技术的对比 | 第33-35页 |
| ·推荐技术的混合 | 第35-37页 |
| ·一个基于知识的餐厅推荐系统 | 第37-39页 |
| ·融合时间的基于知识和协同过滤的混合算法模型 | 第39-42页 |
| ·基于知识的推荐算法 | 第39-40页 |
| ·协同过滤推荐算法 | 第40-41页 |
| ·融合时间的基于知识和协同过滤的混合推荐算法 | 第41-42页 |
| ·实验结果以及分析 | 第42-46页 |
| ·本章小节 | 第46-47页 |
| 5 基于知识和协同过滤混合的电影推荐系统设计与实现 | 第47-59页 |
| ·引言 | 第47-48页 |
| ·软件系统的体系结构 | 第48-49页 |
| ·软件系统实现 | 第49-58页 |
| ·系统的软件介绍 | 第49页 |
| ·系统的数据库设计以及登录和注册模块 | 第49-51页 |
| ·电影评价模块 | 第51-53页 |
| ·电影推荐模块 | 第53-57页 |
| ·留言板 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |