| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究进展状况 | 第9-11页 |
| 1.3 主要研究工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-15页 |
| 第2章 商品推荐技术研究 | 第15-27页 |
| 2.1 推荐技术简介 | 第15-16页 |
| 2.2 相似性计算方法 | 第16-17页 |
| 2.3 基于内容的推荐技术 | 第17-19页 |
| 2.3.1 基于内容的推荐技术研究 | 第18-19页 |
| 2.3.2 基于内容的推荐技术的优缺点 | 第19页 |
| 2.4 协同过滤的推荐技术 | 第19-24页 |
| 2.4.1 基于用户的协同过滤推荐技术 | 第20-23页 |
| 2.4.2 基于项目的协同过滤推荐技术 | 第23-24页 |
| 2.4.3 协同过滤的推荐技术的优缺点 | 第24页 |
| 2.5 组合推荐技术 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 协同过滤推荐技术稀疏性问题解决方案 | 第27-37页 |
| 3.1 稀疏性的度量 | 第27页 |
| 3.2 稀疏性对推荐系统性能的影响 | 第27-29页 |
| 3.3 传统的评分矩阵稀疏性解决方法 | 第29-31页 |
| 3.3.1 对用户未评分项目进行估值填充 | 第29页 |
| 3.3.2 聚类方法 | 第29-30页 |
| 3.3.3 基于信任的社会网络方法 | 第30-31页 |
| 3.4 Slope One算法研究 | 第31-33页 |
| 3.4.1 Slope One算法简介 | 第31-32页 |
| 3.4.2 Weighted Slope One算法 | 第32-33页 |
| 3.4.3 Slope One算法的优缺点 | 第33页 |
| 3.5 基于项目间相似度的加权Slope One算法填充模型 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于聚类与用户兴趣偏好的协同过滤推荐模型 | 第37-47页 |
| 4.1 用户兴趣偏好模型提取 | 第37-40页 |
| 4.2 项目聚类 | 第40-42页 |
| 4.3 矩阵填充 | 第42-43页 |
| 4.4 用户聚类及算法推荐 | 第43-44页 |
| 4.5 算法执行过程 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第5章 实验结果及其分析 | 第47-55页 |
| 5.1 实验数据集与实验环境 | 第47-48页 |
| 5.2 实验评价标准 | 第48-50页 |
| 5.3 实验结果及其分析 | 第50-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |