| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 推荐系统的研究背景 | 第9-12页 |
| 1.2 时间敏感单类协同过滤算法的研究现状 | 第12-13页 |
| 1.3 本文组织结构 | 第13-14页 |
| 1.4 本文所用到的符号 | 第14-15页 |
| 第2章 单类协同过滤算法综述 | 第15-26页 |
| 2.1 单类协同过滤算法 | 第15-20页 |
| 2.2 时间敏感的协同过滤算法 | 第20-24页 |
| 2.3 算法性能评价指标 | 第24-26页 |
| 第3章 时间敏感的贝叶斯个性化排序模型 | 第26-33页 |
| 3.1 时间信息的意义和利用 | 第26-27页 |
| 3.2 利用时间信息的贝叶斯个性化排序模型 | 第27-29页 |
| 3.3 实验 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于集成学习的时间敏感单类协同推荐模型 | 第33-41页 |
| 4.1 集成学习简述 | 第33页 |
| 4.2 TSL算法的局限 | 第33-35页 |
| 4.3 基于集成学习的时间敏感算法 | 第35-37页 |
| 4.4 实验 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 利用时间序列信息的单类协同过滤模型 | 第41-50页 |
| 5.1 时间序列信息 | 第41页 |
| 5.2 下一个物品的推荐问题 | 第41-42页 |
| 5.3 利用用户活跃会话窗函数的时间敏感协同过滤算法 | 第42-44页 |
| 5.4 基于时间序列的双向物品相似度 | 第44-46页 |
| 5.5 实验 | 第46-48页 |
| 5.6 本章小结 | 第48-50页 |
| 第6章 总结与展望 | 第50-51页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果 | 第57页 |