| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 论文的研究工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 个性化推荐系统及相关技术研究 | 第15-35页 |
| 2.1 个性化推荐系统 | 第15-16页 |
| 2.2 个性化推荐技术 | 第16-19页 |
| 2.2.1 基于内容的推荐技术 | 第16-17页 |
| 2.2.2 基于关联规则的推荐技术 | 第17-18页 |
| 2.2.3 协同过滤推荐技术 | 第18-19页 |
| 2.3 协同过滤算法 | 第19-29页 |
| 2.3.1 协同过滤算法的原理 | 第19-22页 |
| 2.3.2 协同过滤算法的分类 | 第22-28页 |
| 2.3.3 存在的问题及现有解决方法 | 第28-29页 |
| 2.4 其他相关技术 | 第29-34页 |
| 2.4.1 K-means聚类算法 | 第29-31页 |
| 2.4.2 既约梯度法 | 第31-33页 |
| 2.4.3 0.618法 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于分步聚类和相似度优化的协同过滤算法设计 | 第35-51页 |
| 3.1 分步聚类方法 | 第35-43页 |
| 3.1.1 基于项目属性的项目聚类 | 第35-38页 |
| 3.1.2 基于用户特征和项目共同参与度的用户聚类 | 第38-43页 |
| 3.2 用户之间相似度优化算法的设计 | 第43-47页 |
| 3.3 基于分步聚类和相似度优化的协同过滤算法设计 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 实验及结果分析 | 第51-64页 |
| 4.1 实验环境及数据 | 第51-55页 |
| 4.1.1 实验环境 | 第51页 |
| 4.1.2 实验数据 | 第51-55页 |
| 4.2 实验评估策略 | 第55-56页 |
| 4.3 实验及结果分析 | 第56-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 论文总结 | 第64-65页 |
| 5.2 论文展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
