| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-10页 |
| 1.3 研究现状 | 第10-11页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11页 |
| 1.4 研究内容及组织结构 | 第11-14页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 术语与记号 | 第12-13页 |
| 1.4.3 本文组织结构 | 第13-14页 |
| 第二章 推荐系统的相关研究综述 | 第14-20页 |
| 2.1 推荐系统的应用 | 第14-15页 |
| 2.2 推荐系统的主要方法 | 第15-17页 |
| 2.2.1 基于内容的推荐 | 第15页 |
| 2.2.2 协同过滤 | 第15页 |
| 2.2.3 基于人口统计学的过滤 | 第15-16页 |
| 2.2.4 基于知识的推荐 | 第16页 |
| 2.2.5 基于社会化的推荐 | 第16-17页 |
| 2.2.6 基于位置的推荐 | 第17页 |
| 2.3 传统相似度方法的介绍 | 第17-18页 |
| 2.3.1 余弦相似度 | 第17页 |
| 2.3.2 皮尔森相关系数 | 第17页 |
| 2.3.3 修正余弦相似度 | 第17-18页 |
| 2.3.4 均方差 | 第18页 |
| 2.4 推荐系统的评价指标 | 第18-19页 |
| 2.5 评分预测方法 | 第19页 |
| 2.6 推荐系统的实现步骤 | 第19页 |
| 2.7 本章小结 | 第19-20页 |
| 第三章 基于邻域用户贡献权重的新相似度方法 | 第20-26页 |
| 3.1 问题描述 | 第20页 |
| 3.2 不对称的用户贡献权重 | 第20-22页 |
| 3.3 实验与结果分析 | 第22-25页 |
| 3.3.1 实验数据集 | 第22页 |
| 3.3.2 评测指标 | 第22页 |
| 3.3.3 比较方法 | 第22-23页 |
| 3.3.4 实验结果分析 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 基于Bhattacharyya系数和物品相关性的新相似度方法 | 第26-33页 |
| 4.1 问题描述 | 第26页 |
| 4.2 基于Bhattacharyya系数和物品相关性 | 第26-29页 |
| 4.2.1 Bhattacharyya系数 | 第26-27页 |
| 4.2.2 新相似度算法 | 第27-29页 |
| 4.3 实验与结果分析 | 第29-32页 |
| 4.3.1 实验数据集 | 第29页 |
| 4.3.2 评测指标 | 第29页 |
| 4.3.3 比较方法 | 第29页 |
| 4.3.4 实验结果与分析 | 第29-32页 |
| 4.4 总结 | 第32-33页 |
| 第五章 总结与展望 | 第33-35页 |
| 5.1 总结 | 第33页 |
| 5.2 对未来工作的展望 | 第33-35页 |
| 参考文献 | 第35-40页 |
| 致谢 | 第40-41页 |
| 在学期间公开发表论文情况 | 第41页 |