| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 推荐系统现状分析 | 第11-12页 |
| 1.2.2 推荐算法现状分析 | 第12-15页 |
| 1.3 本课题的研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 推荐系统相关技术 | 第17-26页 |
| 2.1 推荐系统概述 | 第17页 |
| 2.2 Apache Mahout 介绍 | 第17-19页 |
| 2.3 协同过滤推荐算法简介 | 第19-21页 |
| 2.3.1 基于用户的协同过滤推荐算法（User-Based CF） | 第19-20页 |
| 2.3.2 基于项目的协同过滤推荐算法（Item-Based CF） | 第20-21页 |
| 2.4 协同过滤算法存在的问题 | 第21-25页 |
| 2.4.1 数据稀疏性 | 第21-24页 |
| 2.4.2 可扩展性问题 | 第24页 |
| 2.4.3 冷启动问题 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 协同过滤推荐算法的研究 | 第26-39页 |
| 3.1 基于用户的协同过滤算法 | 第26-32页 |
| 3.1.1 算法原理 | 第26页 |
| 3.1.2 算法步骤 | 第26-32页 |
| 3.2 基于项目的协同过滤算法 | 第32-36页 |
| 3.2.1 算法原理 | 第33页 |
| 3.2.2 算法流程 | 第33-36页 |
| 3.3 Slope One 推荐算法 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 组合推荐算法的设计 | 第39-43页 |
| 4.1 问题的提出与分析 | 第39-40页 |
| 4.2 评分矩阵对推荐效果的影响 | 第40页 |
| 4.3 组合算法的思路 | 第40-41页 |
| 4.4 组合算法分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 推荐算法对比仿真实验 | 第43-61页 |
| 5.1 实验数据 | 第43-46页 |
| 5.1.1 数据来源 | 第43-44页 |
| 5.1.2 数据预处理 | 第44-46页 |
| 5.2 算法评估 | 第46-47页 |
| 5.3 基于 Apache Mahout 的算法实验 | 第47-60页 |
| 5.3.1 基于用户的协同过滤推荐（User-Based CF） | 第48-49页 |
| 5.3.2 基于项目的协同过滤推荐（Item-Based CF） | 第49-50页 |
| 5.3.3 Slope One 算法 | 第50-52页 |
| 5.3.4 组合推荐算法 | 第52-60页 |
| 5.3.5 实验结论 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
