| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第1章 绪论 | 第6-11页 |
| 1.1 推荐系统研究的背景和意义 | 第6-7页 |
| 1.2 国内外应用和研究现状 | 第7-9页 |
| 1.2.1 工业应用现状 | 第8页 |
| 1.2.2 理论研究现状 | 第8-9页 |
| 1.3 本文的研究内容 | 第9-10页 |
| 1.4 本文的组织结构 | 第10-11页 |
| 第2章 推荐系统相关理论 | 第11-24页 |
| 2.1 推荐系统工作流程 | 第11-13页 |
| 2.2 推荐系统的几种常用算法 | 第13-17页 |
| 2.2.1 基于内容的推荐算法 | 第14-16页 |
| 2.2.2 协同过滤推荐算法 | 第16页 |
| 2.2.3 其他推荐算法 | 第16-17页 |
| 2.3 协同过滤推荐算法理论介绍 | 第17-23页 |
| 2.3.1 协同过滤推荐算法 | 第17-19页 |
| 2.3.2 协同过滤推荐算法的分类 | 第19-22页 |
| 2.3.2.1 基于用户的协同过滤推荐算法 | 第19-21页 |
| 2.3.2.2 基于项目的协同过滤推荐算法 | 第21-22页 |
| 2.3.2.3 基于模型的协同过滤推荐算 | 第22页 |
| 2.3.3 协同过滤算法面临的挑战 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 协同过滤算法的改进 | 第24-46页 |
| 3.1 传统的基于用户的协同过滤算法(BUCF) | 第24-26页 |
| 3.2 基于项目属性的协同过滤算法(BPCF) | 第26-27页 |
| 3.3 传统协同过滤算法的优化思路 | 第27-29页 |
| 3.4 改进的协同过滤算法-基于关注度的协同过滤算法(BACF) | 第29-45页 |
| 3.4.1 算法分析 | 第29页 |
| 3.4.2 算法描述 | 第29-33页 |
| 3.4.3 算法过程 | 第33-36页 |
| 3.4.4 算法的实现 | 第36-45页 |
| 3.4.4.1 数据预处 | 第36-38页 |
| 3.4.4.2 算法的具体实现过程 | 第38-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 算法验证与分析 | 第46-52页 |
| 4.1 数据集 | 第46-47页 |
| 4.2 实验标准及方案 | 第47-49页 |
| 4.2.1 实验标准 | 第47-48页 |
| 4.2.2 实验方案 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |