| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文主要工作 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 个性化推荐系统与协同过滤算法 | 第16-30页 |
| ·基于内容的推荐 | 第16-18页 |
| ·协同过滤推荐 | 第18-28页 |
| ·协同过滤的推荐步骤 | 第19-23页 |
| ·基于内存的协同过滤 | 第23-25页 |
| ·基于模型的协同过滤 | 第25-26页 |
| ·协同过滤存在的挑战 | 第26-28页 |
| ·基于社交网络的推荐 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于加权信息熵相似度的协同过滤算法研究 | 第30-44页 |
| ·现有相似度计算方法 | 第30-38页 |
| ·传统的相似度计算方法 | 第30-32页 |
| ·相似度计算方法研究现状 | 第32-37页 |
| ·传统相似度算法出现的问题 | 第37-38页 |
| ·基于加权信息熵的相似度计算方法 | 第38-43页 |
| ·信息熵 | 第38-39页 |
| ·基于加权信息熵相似度算法提出的动机 | 第39-40页 |
| ·基于加权信息熵相似度算法的设计 | 第40-42页 |
| ·基于加权信息熵相似度算法分析与说明 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于加权信息熵相似度算法实验设计与结果分析 | 第44-51页 |
| ·实验数据集 | 第44页 |
| ·评测指标 | 第44-46页 |
| ·实验方案与评估 | 第46页 |
| ·实验结果及分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·未来工作展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
| 致谢 | 第59页 |