| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和课题的提出 | 第9-11页 |
| ·信息过载 | 第9-10页 |
| ·长尾理论 | 第10-11页 |
| ·推荐技术 | 第11页 |
| ·国内外现状 | 第11-13页 |
| ·本文的选题和研究内容 | 第13页 |
| ·本文的主要贡献 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 个性化推荐技术概述 | 第16-32页 |
| ·什么样的产品适合做推荐 | 第16页 |
| ·主流推荐技术概述 | 第16-23页 |
| ·基于内容的推荐技术 | 第17-19页 |
| ·基于协同过滤的推荐技术 | 第19-23页 |
| ·混合推荐系统 | 第23页 |
| ·推荐系统的传统评价指标 | 第23-26页 |
| ·实验方法 | 第23-24页 |
| ·评价指标 | 第24-26页 |
| ·预测打分的评价 | 第24-25页 |
| ·推荐列表的评价 | 第25-26页 |
| ·小众推荐技术 | 第26-31页 |
| ·基于网络和图的算法 | 第27-30页 |
| ·多样性指标 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 迅速“加热”用户的策略 | 第32-40页 |
| ·初步设想 | 第32-36页 |
| ·算法设计 | 第32-34页 |
| ·实验和分析 | 第34-36页 |
| ·修改方案 | 第36-39页 |
| ·实验和分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 拓展用户接触面的多样性策略 | 第40-56页 |
| ·算法设计 | 第40-52页 |
| ·设计目标 | 第40-41页 |
| ·扩展性指标 | 第41-49页 |
| ·指标设计 | 第41-43页 |
| ·推荐过程 | 第43-44页 |
| ·人工数据验证 | 第44-45页 |
| ·真实数据验证 | 第45-49页 |
| ·代表性指标 | 第49-50页 |
| ·结合扩展性和代表性指标 | 第50-52页 |
| ·融合准确率推荐和多样性推荐的两种方式 | 第52-55页 |
| ·推荐列表中位置的影响 | 第52-54页 |
| ·两种方式的比较实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 物质扩散算法在MAPREDUCE框架下的实现 | 第56-63页 |
| ·MAPREDUCE框架简介 | 第56-58页 |
| ·算法实现 | 第58-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小节 | 第62-63页 |
| 第六章 总结和展望 | 第63-66页 |
| ·本文研究总结 | 第63页 |
| ·前景和未来工作 | 第63-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻硕期间取得的研究成果 | 第73-74页 |