| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 协同过滤面临的挑战 | 第11-12页 |
| 1.2.3 稀疏性问题的研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 推荐系统及相关技术 | 第17-27页 |
| 2.1 推荐系统概述 | 第17页 |
| 2.2 推荐系统的关键技术 | 第17-24页 |
| 2.2.1 基于知识的推荐 | 第17-18页 |
| 2.2.2 基于社交网络的推荐 | 第18页 |
| 2.2.3 基于内容的推荐 | 第18-19页 |
| 2.2.4 基于协同过滤的推荐 | 第19-23页 |
| 2.2.5 混合推荐 | 第23-24页 |
| 2.3 本文的数据集、评价指标及软硬件环境 | 第24-25页 |
| 2.3.1 实验数据集 | 第24-25页 |
| 2.3.2 评价指标 | 第25页 |
| 2.3.3 软硬件环境 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于预测值和用户/项目MAE值填充的优化算法 | 第27-37页 |
| 3.1 概述 | 第27-28页 |
| 3.2 基于预测值和用户/项目MAE的填充算法 | 第28-32页 |
| 3.2.1 计算用户的MAE值 | 第29页 |
| 3.2.2 对“用户-项目”评分矩阵填充缺失值 | 第29-30页 |
| 3.2.3 对目标用户的目标项目预测评分 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于项目聚类的协同过滤优化算法 | 第37-51页 |
| 4.1 概述 | 第37-40页 |
| 4.2 基于项目聚类的协同过滤算法 | 第40-44页 |
| 4.2.1 构建“用户-类别”矩阵 | 第40-41页 |
| 4.2.2 计算“类别-兴趣”相似度矩阵 | 第41页 |
| 4.2.3 计算线性加权权重 | 第41页 |
| 4.2.4 计算线性加权权重的修正系数 | 第41-44页 |
| 4.3 实验结果与分析 | 第44-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 基于信任网络的协同过滤优化算法 | 第51-63页 |
| 5.1 概述 | 第51-52页 |
| 5.2 基于信任网络的协同过滤算法 | 第52-58页 |
| 5.2.1 构建直接信任度 | 第53-54页 |
| 5.2.2 构建间接信任度 | 第54页 |
| 5.2.3 构建全局信任度 | 第54-55页 |
| 5.2.4 基于信任网络的协同过滤优化算法 | 第55-58页 |
| 5.3 实验结果与分析 | 第58-61页 |
| 5.4 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-75页 |
| 攻读硕士学位期间取得的科研成果 | 第75-77页 |
| 致谢 | 第77页 |