个性化推荐技术在图书馆服务中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 存在的问题 | 第10-11页 |
| 1.4 研究内容和创新 | 第11-12页 |
| 1.5 论文结构 | 第12-13页 |
| 第二章 相关理论 | 第13-17页 |
| 2.1 用户兴趣建模技术 | 第13页 |
| 2.2 主要推荐技术 | 第13-15页 |
| 2.2.1 基于内容的推荐技术 | 第13-14页 |
| 2.2.2 基于用户统计信息的推荐技术 | 第14页 |
| 2.2.3 基于协同过滤的推荐技术 | 第14-15页 |
| 2.3 其他推荐技术介绍 | 第15-16页 |
| 2.3.1 基于关联规则的推荐 | 第15页 |
| 2.3.2 基于效用和基于知识的推荐 | 第15-16页 |
| 2.4 各种推荐技术的比较 | 第16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 协同过滤算法的改进 | 第17-33页 |
| 3.1 传统的协同过滤算法 | 第17-19页 |
| 3.1.1 协同过滤概述 | 第17页 |
| 3.1.2 基于用户协同过滤 | 第17-19页 |
| 3.2 改进的协同过滤算法 | 第19-24页 |
| 3.2.1 基于读者借阅记录的协同过滤 | 第19-21页 |
| 3.2.2 基于读者-图书分类的协同过滤 | 第21-22页 |
| 3.2.3 相似度度量的改进 | 第22-23页 |
| 3.2.4 最近邻选取方法的改进 | 第23-24页 |
| 3.3 改进算法的实现 | 第24-28页 |
| 3.3.1 改进算法描述 | 第24-25页 |
| 3.3.2 数据表示 | 第25-26页 |
| 3.3.3 寻找K最近邻 | 第26-27页 |
| 3.3.4 产生推荐 | 第27-28页 |
| 3.4 实验设计及分析 | 第28-32页 |
| 3.4.1 实验数据与实验环境 | 第28-29页 |
| 3.4.2 实验评价标准 | 第29页 |
| 3.4.3 实验结果及分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 推荐系统原型设计及实现 | 第33-43页 |
| 4.1 开发环境和整体框架 | 第33-34页 |
| 4.2 数据库设计 | 第34-37页 |
| 4.3 系统主要模块 | 第37-38页 |
| 4.4 推荐实现过程 | 第38-40页 |
| 4.4.1 数据准备 | 第38页 |
| 4.4.2 主要流程 | 第38-40页 |
| 4.5 系统功能模块展示 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文总结 | 第43页 |
| 5.2 未来展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文 | 第48-49页 |
| 致谢 | 第49页 |
