| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容和创新 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 社会化推荐系统理论 | 第17-29页 |
| 2.1 社会化推荐系统的概述 | 第17-18页 |
| 2.2 社会化推荐系统的框架 | 第18-19页 |
| 2.3 社会化推荐系统的分类 | 第19-25页 |
| 2.3.1 协同过滤推荐系统 | 第19-22页 |
| 2.3.2 基于内容的推荐系统 | 第22-24页 |
| 2.3.3 基于知识的推荐系统 | 第24页 |
| 2.3.4 混合推荐系统 | 第24-25页 |
| 2.4 推荐系统的评估标准 | 第25-27页 |
| 2.4.1 准确度 | 第26页 |
| 2.4.2 覆盖率 | 第26-27页 |
| 2.4.3 多样性与新颖性 | 第27页 |
| 2.5 社会化推荐系统的难点 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 聚类和粗糙集理论 | 第29-37页 |
| 3.1 聚类理论及算法 | 第29-31页 |
| 3.1.1 聚类分析概念 | 第29-30页 |
| 3.1.2 聚类算法分类 | 第30-31页 |
| 3.2 K-means聚类算法 | 第31-33页 |
| 3.2.1 K-means算法原理 | 第31-32页 |
| 3.2.2 K-means算法优缺点 | 第32-33页 |
| 3.3 粗糙集理论 | 第33-36页 |
| 3.3.1 粗糙集概念 | 第33-35页 |
| 3.3.2 粗糙集应用 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于密度改进的粗糙聚类推荐算法 | 第37-55页 |
| 4.1 基于聚类的推荐算法 | 第37-42页 |
| 4.1.1 基于K-means聚类的推荐算法 | 第37-39页 |
| 4.1.2 基于粗糙K-means聚类的推荐算法 | 第39-42页 |
| 4.2 改进的粗糙K-means聚类算法 | 第42-45页 |
| 4.2.1 基于密度的K个初始聚类中心选取改进 | 第42-43页 |
| 4.2.2 基于密度的粗糙聚类权重自适应改进 | 第43-45页 |
| 4.3 基于密度改进的粗糙K-means聚类推荐算法 | 第45-46页 |
| 4.4 实验与分析 | 第46-53页 |
| 4.4.1 实验数据集 | 第46-47页 |
| 4.4.2 实验评估标准 | 第47-48页 |
| 4.4.3 实验环境 | 第48-49页 |
| 4.4.4 实验设计与分析 | 第49-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 基于评分矩阵修正的推荐算法 | 第55-69页 |
| 5.1 Slope One算法 | 第55-59页 |
| 5.1.1 基础Slope One算法 | 第55-57页 |
| 5.1.2 Weighted Slope One算法 | 第57-58页 |
| 5.1.3 Bi-Polar Slope One算法 | 第58-59页 |
| 5.2 基于Weighted Slope One算法思想的评分矩阵修正方法 | 第59-61页 |
| 5.2.1 RMA评分矩阵修正方法 | 第59-60页 |
| 5.2.2 基于RMA的评分矩阵修正实例 | 第60-61页 |
| 5.3 基于评分矩阵修正与粗糙聚类的推荐算法 | 第61-63页 |
| 5.4 实验与分析 | 第63-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间参与的项目 | 第77页 |
