| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 个性化推荐的研究背景和意义 | 第9-10页 |
| 1.2 推荐系统的研究现状 | 第10-13页 |
| 1.2.1 个性化推荐研究现状 | 第10-12页 |
| 1.2.2 协同过滤研究现状 | 第12-13页 |
| 1.3 论文的研究内容和结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 个性化推荐与协同过滤 | 第15-25页 |
| 2.1 个性化推荐的概述 | 第15-16页 |
| 2.2 个性化推荐算法分类 | 第16-18页 |
| 2.3 协同过滤 | 第18-24页 |
| 2.3.1 协同过滤算法思想 | 第18-19页 |
| 2.3.2 基于用户的协同过滤 | 第19-20页 |
| 2.3.3 基于项目的协同过滤 | 第20-21页 |
| 2.3.4 基于模型的协同过滤 | 第21-22页 |
| 2.3.5 隐语义模型推荐（LFM） | 第22-23页 |
| 2.3.6 协同过滤面临的主要问题和相应解决方案 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于误差反馈的协同过滤算法 | 第25-41页 |
| 3.1 误差反馈思想 | 第25-31页 |
| 3.1.1 基于近邻的协同过滤算法思想 | 第25-26页 |
| 3.1.2 相关定义 | 第26-28页 |
| 3.1.3 基于误差反馈的思想 | 第28-30页 |
| 3.1.4 基于误差反馈思想的公式化说明 | 第30-31页 |
| 3.2 改进的基于用户的协同过滤算法 | 第31-33页 |
| 3.2.1 思想介绍 | 第31-32页 |
| 3.2.2 算法设计 | 第32-33页 |
| 3.3 改进的基于项目的协同过滤算法 | 第33-34页 |
| 3.3.1 思想介绍 | 第33页 |
| 3.3.2 算法设计 | 第33-34页 |
| 3.4 改进的Slope one算法 | 第34-37页 |
| 3.4.1 Slope one算法介绍 | 第34-35页 |
| 3.4.2 改进的Slope one算法思想 | 第35-36页 |
| 3.4.3 改进的Slope one算法详细设计 | 第36-37页 |
| 3.5 融合共同评分因子和时间因素的基于误差反馈的协同过滤 | 第37-39页 |
| 3.5.1 共同评分因子 | 第37页 |
| 3.5.2 基于时间因素的协同过滤 | 第37-39页 |
| 3.5.3 三种算法思想的融合 | 第39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 算法分析 | 第41-51页 |
| 4.1 数据集说明 | 第41-42页 |
| 4.2 实验环境 | 第42页 |
| 4.3 论文算法评估指标 | 第42页 |
| 4.4 实验结果与分析 | 第42-50页 |
| 4.4.1 改进的基于用户的协同过滤实验结果与分析 | 第43-45页 |
| 4.4.2 改进的基于项目的协同过滤算法结果与分析 | 第45-47页 |
| 4.4.3 改进Slope one结果与分析 | 第47-48页 |
| 4.4.4 融合共同评分因子和时间因素的基于误差反馈的协同过滤结果与分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附件 | 第57页 |
