| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 推荐系统的研究背景 | 第13-14页 |
| 1.2 推荐系统的国内外现状 | 第14-15页 |
| 1.2.1 研究现状 | 第14-15页 |
| 1.2.2 应用现状 | 第15页 |
| 1.3 论文的主要研究内容和意义 | 第15-16页 |
| 1.4 论文章节安排 | 第16-18页 |
| 第二章 推荐系统 | 第18-29页 |
| 2.1 推荐系统概要 | 第18-20页 |
| 2.1.1 推荐系统定义 | 第18页 |
| 2.1.2 系统组成 | 第18-20页 |
| 2.2 推荐系统分类及其关键技术 | 第20-28页 |
| 2.2.1 协同过滤技术 | 第21-22页 |
| 2.2.2 基于关联规则的推荐 | 第22-24页 |
| 2.2.3 基于内容的推荐 | 第24-25页 |
| 2.2.4 基于混合的推荐 | 第25-26页 |
| 2.2.5 基于标签的推荐系统 | 第26-27页 |
| 2.2.6 基于人口统计信息的推荐 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 推荐系统框架模型研究 | 第29-43页 |
| 3.1 推荐系统基本框架模型 | 第29-32页 |
| 3.1.1 基于特征的推荐系统框架模型 | 第29-31页 |
| 3.1.2 基于本体的推荐系统框架模型 | 第31-32页 |
| 3.2 基于本体和特征的推荐系统框架模型 | 第32-33页 |
| 3.3 基于协作的推荐系统 | 第33-42页 |
| 3.3.1 冷启动问题 | 第34-35页 |
| 3.3.2 基于协作的推荐系统框架模型简介 | 第35-37页 |
| 3.3.3 目标系统模块与边缘系统模块 | 第37页 |
| 3.3.4 协作中心模块 | 第37-38页 |
| 3.3.5 基于协作的推荐系统工作流程 | 第38-41页 |
| 3.3.6 基于协作的推荐系统的意义 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 协同过滤算法研究 | 第43-69页 |
| 4.1 协同过滤算法流程 | 第43-46页 |
| 4.1.1 基于用户的协同过滤算法流程 | 第46页 |
| 4.1.2 基于物品的协同过滤算法流程 | 第46页 |
| 4.2 相似度计算 | 第46-49页 |
| 4.2.1 欧几里得度量 | 第47页 |
| 4.2.2 余弦相似度 | 第47-48页 |
| 4.2.3 皮尔逊(pearson)系数 | 第48页 |
| 4.2.4 约束的皮尔逊系数 | 第48-49页 |
| 4.2.5 Jaccard系数 | 第49页 |
| 4.3 改进的协同过滤算法 | 第49-50页 |
| 4.4 基于用户偏好层次的协同过滤算法 | 第50-58页 |
| 4.4.1 用户偏好 | 第50-51页 |
| 4.4.2 用户偏好层次划分及其建模 | 第51-52页 |
| 4.4.3 算法流程 | 第52-58页 |
| 4.5 基于用户偏好层次的协同过滤算法仿真与性能分析 | 第58-68页 |
| 4.5.1 数据集 | 第58页 |
| 4.5.2 评测指标 | 第58-59页 |
| 4.5.3 评分预测仿真设计 | 第59-60页 |
| 4.5.4 评分预测仿真结果分析 | 第60-64页 |
| 4.5.5 Top-N预测仿真设计 | 第64-65页 |
| 4.5.6 Top-N预测仿真结果分析 | 第65-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间的学术成果 | 第79-80页 |
| 附件 | 第80页 |