| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 国际研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文的组织结构 | 第11-13页 |
| 2. 推荐系统与图书借阅系统相关理论 | 第13-24页 |
| 2.1 推荐系统概述 | 第13-16页 |
| 2.1.1 个性化服务与推荐系统 | 第13-14页 |
| 2.1.2 推荐系统分类 | 第14-15页 |
| 2.1.3 推荐系统结构体系 | 第15-16页 |
| 2.2 常用推荐算法介绍及对于高校图书馆系统的适用性 | 第16-20页 |
| 2.2.1 常用推荐算法介绍 | 第16-19页 |
| 2.2.2 各种推荐算法对于高校图书馆系统的适用性 | 第19-20页 |
| 2.3 图书馆借阅系统分析 | 第20-22页 |
| 2.3.1 图书馆自动化系统发展现状 | 第20页 |
| 2.3.2 图书馆借阅系统介绍 | 第20-21页 |
| 2.3.3 图书馆借阅系统结构研究 | 第21-22页 |
| 2.4 推荐系统的评测指标与评测方法 | 第22-24页 |
| 2.4.1 推荐系统的评测指标 | 第22-23页 |
| 2.4.2 推荐系统的评测方法 | 第23-24页 |
| 3 基于聚类的协同过滤推荐算法 | 第24-32页 |
| 3.1 聚类算法概述 | 第24-27页 |
| 3.1.1 相关的数据挖掘基础知识 | 第24页 |
| 3.1.2 分类与聚类比较 | 第24-25页 |
| 3.1.3 常用聚类算法介绍 | 第25-27页 |
| 3.2 协同过滤推荐算法 | 第27-32页 |
| 3.2.1 协同过滤的实现 | 第27-28页 |
| 3.2.2 基于用户的协同过滤推荐算法 | 第28-30页 |
| 3.2.3 基于项目的协同过滤推荐算法 | 第30-32页 |
| 4 通过用户聚类的协同过滤算法实现图书馆借阅系统个性化推荐服务 | 第32-50页 |
| 4.1 读者推荐流程 | 第32页 |
| 4.2 数据集 | 第32-42页 |
| 4.2.1 数据集的选取 | 第32-33页 |
| 4.2.2 数据集的预处理 | 第33-38页 |
| 4.2.3 基于K-means方法的用户聚类 | 第38-42页 |
| 4.3 确定最近邻居集的方法 | 第42-45页 |
| 4.3.1 来源于借阅系统的读者阅读兴趣分析 | 第42-44页 |
| 4.3.2 相似用户集的产生 | 第44-45页 |
| 4.4 针对不同用户的推荐策略 | 第45-46页 |
| 4.4.1 对于已有用户的推荐策略 | 第45-46页 |
| 4.4.2 针对新用户冷启动问题的推荐策略 | 第46页 |
| 4.5 推荐体系的评测指标 | 第46-47页 |
| 4.6 实验数据实测评价 | 第47-50页 |
| 5 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录A 读者阅读兴趣调查问卷 | 第54-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
