| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·本论文研究的背景和意义 | 第10页 |
| ·社交网络综述 | 第10-12页 |
| ·机器学习简介 | 第12-15页 |
| ·集群 | 第12-13页 |
| ·分类 | 第13页 |
| ·协同过滤 | 第13-15页 |
| ·推荐系统简介 | 第15-16页 |
| ·本论文的主要研究工作 | 第16-17页 |
| ·论文的组织形式 | 第17-19页 |
| 第2章 个性化推荐引擎框架分析 | 第19-37页 |
| ·个性化推荐引擎发展历史及其现状分析 | 第19-24页 |
| ·个性化推荐引擎的未来发展趋势 | 第24-25页 |
| ·个性化推荐引擎框架介绍 | 第25-30页 |
| ·基于内容的推荐引擎 | 第25-26页 |
| ·基于内容的自适应推荐引擎 | 第26-28页 |
| ·基于相似用户的推荐引擎 | 第28-29页 |
| ·基于用户间关系的推荐引擎 | 第29-30页 |
| ·个性化推荐引擎框架分析 | 第30-31页 |
| ·个性化推荐引擎框架改进方案 | 第31-36页 |
| ·个性化推荐引擎改进范围 | 第31-32页 |
| ·改进的推荐框架 | 第32-34页 |
| ·推荐引擎数据模型图 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 个性化推荐算法研究 | 第37-46页 |
| ·协同过滤算法中的一些定义 | 第37-40页 |
| ·概念定义 | 第37页 |
| ·评分体系 | 第37-40页 |
| ·基于用户(User-based)的相似度 | 第40页 |
| ·基于显性评分(explicit rating)的相似度计算 | 第40页 |
| ·基于隐性评分(implicit rating)的相似度计算 | 第40页 |
| ·基于内容(Item-based)的相似度 | 第40-41页 |
| ·基于显性评分(explicit rating)的相似度计算 | 第40-41页 |
| ·基于内容分类位图(item-category bitmap)的相似度计算 | 第41页 |
| ·推荐预测算法介绍 | 第41-43页 |
| ·基于用户(User-based)的预测算法 | 第41-43页 |
| ·基于内容(Item-based)的预测算法公式 | 第43页 |
| ·相关实验结果 | 第43-45页 |
| ·数据来源 | 第43-44页 |
| ·推荐预测算法的准确率 | 第44-45页 |
| ·数据稀疏及其解决办法 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于社会化标签体系的协同过滤推荐算法 | 第46-58页 |
| ·社会化标签体系介绍 | 第46-48页 |
| ·推荐算法 | 第48-50页 |
| ·相关内容介绍 | 第48页 |
| ·基于社会化标签体系的推荐算法 | 第48-50页 |
| ·个性化推荐的框架结构 | 第50-52页 |
| ·社会化标签体系的建立过程 | 第52-55页 |
| ·标签簇的建立过程 | 第52-53页 |
| ·阈值的确立 | 第53-55页 |
| ·相关实验结果 | 第55-57页 |
| ·数据来源 | 第55页 |
| ·各种推荐算法的准确率对比 | 第55-57页 |
| ·本章总结 | 第57-58页 |
| 第5章 个性化推荐算法的应用 | 第58-64页 |
| ·系统详细设计 | 第58-60页 |
| ·系统结构设计 | 第58-59页 |
| ·系统数据库模型设计 | 第59-60页 |
| ·推荐引擎的实现 | 第60-63页 |
| ·系统登录 | 第60-61页 |
| ·用户个人信息 | 第61-62页 |
| ·推荐结果集 | 第62-63页 |
| ·本章总结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
