协同过滤技术在图书馆个性化服务中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关研究分析 | 第14-23页 |
| 2.1 概述 | 第14-16页 |
| 2.1.1 图书馆个性化服务概述 | 第14-15页 |
| 2.1.2 个性化推荐技术概述 | 第15-16页 |
| 2.2 协同过滤推荐技术相关研究 | 第16-21页 |
| 2.2.1 基于项目的协同过滤 | 第17-19页 |
| 2.2.2 基于用户的协同过滤 | 第19-20页 |
| 2.2.3 基于模型的协同过滤 | 第20-21页 |
| 2.3 其他个性化推荐技术 | 第21-22页 |
| 2.3.1 基于内容的个性化推荐方法 | 第21页 |
| 2.3.2 基于关联规则个性化推荐方法 | 第21-22页 |
| 2.3.3 基于效用和知识的个性化推荐方法 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 改进的协同过滤推荐方法 | 第23-39页 |
| 3.1 传统协同过滤技术存在的弊端 | 第23-25页 |
| 3.1.1 数据稀疏性、冷启动问题 | 第23-24页 |
| 3.1.2 推荐结果的实时性问题 | 第24-25页 |
| 3.2 改进的协同过滤推荐方法设计 | 第25-33页 |
| 3.2.1 改进的用户相似度计算方法 | 第25-28页 |
| 3.2.2 相似用户聚类算法 | 第28-29页 |
| 3.2.3 项目-标签网络图的构建 | 第29-30页 |
| 3.2.4 面向用户兴趣漂移的推荐 | 第30-33页 |
| 3.3 实验设计与分析 | 第33-38页 |
| 3.3.1 实验数据及环境 | 第33-34页 |
| 3.3.2 实验验证指标 | 第34-35页 |
| 3.3.3 实验结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 图书馆个性化推荐系统原型分析与设计 | 第39-55页 |
| 4.1 个性化推荐系统总体设计 | 第39-48页 |
| 4.1.1 需求分析 | 第39-42页 |
| 4.1.2 结构设计 | 第42-43页 |
| 4.1.3 数据库设计 | 第43-48页 |
| 4.2 推荐系统主要流程 | 第48-49页 |
| 4.3 系统主要功能模块 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文的工作总结 | 第55-56页 |
| 5.2 研究不足及下一步展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61页 |
