| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景 | 第10-12页 |
| 1.1.1 关于教育数据挖掘 | 第10-11页 |
| 1.1.2 关于协同过滤技术 | 第11-12页 |
| 1.2 选题目的和意义 | 第12-14页 |
| 1.3 论文结构 | 第14-16页 |
| 第二章 相关理论概述 | 第16-38页 |
| 2.1 基本概念 | 第16-17页 |
| 2.1.1 数据挖掘与机器学习 | 第16页 |
| 2.1.2 数据和数据集 | 第16-17页 |
| 2.2 预处理 | 第17-21页 |
| 2.3 数据挖掘的常用算法 | 第21-24页 |
| 2.3.1 分类与回归 | 第21-23页 |
| 2.3.2 聚类分析 | 第23页 |
| 2.3.3 关联分析 | 第23-24页 |
| 2.4 Apache Mahout介绍 | 第24-26页 |
| 2.5 协同过滤推荐算法 | 第26-38页 |
| 2.5.1 基于用户的协同过滤推荐算法 | 第26-28页 |
| 2.5.2 基于项目的协同过滤推荐算法 | 第28-29页 |
| 2.5.3 基于SVD的协同过滤推荐算法 | 第29-31页 |
| 2.5.4 相似度计算方法分析 | 第31-33页 |
| 2.5.5 协同过滤算法的特点 | 第33-38页 |
| 第三章 预处理过程 | 第38-46页 |
| 3.1 问题定义与数据集分析 | 第38-40页 |
| 3.1.1 KDD Cup 2010比赛命题 | 第38-39页 |
| 3.1.2 对相关特征数据的统计 | 第39-40页 |
| 3.2 数据集抽取 | 第40-46页 |
| 3.2.1 抽取方法 | 第40-42页 |
| 3.2.2 数据清理 | 第42-46页 |
| 第四章 实验的设计与效果评估 | 第46-58页 |
| 4.1 算法评估 | 第46页 |
| 4.2 基于Apache Mahout的算法实验 | 第46-58页 |
| 4.2.1 基于用户的协同过滤推荐(User-Based CF) | 第48-49页 |
| 4.2.2 基于项目的协同过滤推荐(Item-Based CF) | 第49-50页 |
| 4.2.3 基于SVD的协同过滤推荐(SVD-Based CF) | 第50-51页 |
| 4.2.4 三种相似度的计算方法 | 第51-56页 |
| 4.2.5 实验结论 | 第56-58页 |
| 第五章 总结与体会 | 第58-60页 |
| 5.1 论文主要工作总结 | 第58-59页 |
| 5.2 今后所要开展工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录A 攻读硕士期间发表论文以及软件著作权 | 第64页 |
