| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第7-13页 |
| ·研究背景与意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·研究内容 | 第10-11页 |
| ·论文结构 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第2章 个性化推荐系统的相关理论 | 第13-21页 |
| ·推荐系统概述 | 第13页 |
| ·主流推荐技术 | 第13-15页 |
| ·基于内容的推荐 | 第15-16页 |
| ·特征文件提取 | 第15页 |
| ·TF-IDF算法 | 第15-16页 |
| ·基于协同的推荐 | 第16-19页 |
| ·协同推荐技术的发展 | 第16-17页 |
| ·用户相似性的计算 | 第17-18页 |
| ·推荐结果的产生 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第3章 基于动态关联计算的个性化推荐系统及推荐策略 | 第21-35页 |
| ·基于动态关联计算的个性化推荐系统 | 第21-26页 |
| ·构建系统的意义 | 第21-22页 |
| ·基本思想 | 第22-23页 |
| ·相关概念定义 | 第23-24页 |
| ·实现方法 | 第24页 |
| ·推荐策略 | 第24-26页 |
| ·基于果盘模型的内容推荐 | 第26-31页 |
| ·内容推荐策略的特点 | 第26-27页 |
| ·视频数据内容的描述方式 | 第27-28页 |
| ·水果特征向量模型 | 第28-29页 |
| ·用户兴趣模型 | 第29-30页 |
| ·基于果盘模型的内容推荐算法 | 第30-31页 |
| ·协同推荐的稀疏性和冷启动解决方案 | 第31-34页 |
| ·协同推荐策略及分析 | 第31-32页 |
| ·稀疏性的解决方案 | 第32-33页 |
| ·水果冷启动的解决方案 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 系统实现与实验分析 | 第35-43页 |
| ·实验环境 | 第35-37页 |
| ·Apache Mahout简介 | 第35-36页 |
| ·Taste的组织结构 | 第36-37页 |
| ·实验数据集 | 第37页 |
| ·评价指标 | 第37页 |
| ·系统实现 | 第37-40页 |
| ·实验方案 | 第40页 |
| ·实验结果及分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·论文主要工作总结 | 第43-44页 |
| ·展望以后的研究方向 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-49页 |
| 攻读硕士学位期间公开发表的论文 | 第49页 |