| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 表格 | 第13-14页 |
| 插图 | 第14-15页 |
| 算法 | 第15-16页 |
| 第一章 绪论 | 第16-26页 |
| ·引言 | 第16-17页 |
| ·研究背景 | 第17-23页 |
| ·推荐系统的发展概况 | 第18页 |
| ·推荐系统的数据 | 第18-19页 |
| ·推荐系统的实用功能 | 第19-21页 |
| ·推荐系统的机遇和挑战 | 第21-23页 |
| ·研究内容 | 第23-24页 |
| ·组织结构 | 第24-26页 |
| 第二章 相关研究工作概述 | 第26-36页 |
| ·引言 | 第26页 |
| ·推荐系统研究进展 | 第26-32页 |
| ·推荐应用场景 | 第26-28页 |
| ·推荐算法设计 | 第28-30页 |
| ·推荐效果评估 | 第30-32页 |
| ·推荐系统的数据处理和运用 | 第32-34页 |
| ·融合情境信息的推荐 | 第32-33页 |
| ·大规模数据集上的推荐 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 面向对象的旅游套餐推荐算法 | 第36-58页 |
| ·引言 | 第36-38页 |
| ·相关工作 | 第38-40页 |
| ·相关概念和数据分析 | 第40-43页 |
| ·面向对象的贝叶斯网络 | 第43-46页 |
| ·面向对象的推荐系统框架 | 第46-50页 |
| ·框架概述 | 第46-47页 |
| ·特征的选择 | 第47-49页 |
| ·生成初始推荐列表 | 第49-50页 |
| ·优化推荐结果 | 第50页 |
| ·实验验证 | 第50-57页 |
| ·实验设计 | 第51-52页 |
| ·推荐评价标准 | 第52-53页 |
| ·推荐效果 | 第53-56页 |
| ·实验小结 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 面向对象的主题模型在推荐中的应用 | 第58-76页 |
| ·引言 | 第58-59页 |
| ·相关工作 | 第59-60页 |
| ·面向对象的主题模型 | 第60-64页 |
| ·模型设计 | 第60-62页 |
| ·模型推导 | 第62-64页 |
| ·OTM模型的应用 | 第64-66页 |
| ·OTM模型和ORS框架的结合 | 第65页 |
| ·基于OTM模型的特征选择 | 第65-66页 |
| ·实验验证 | 第66-74页 |
| ·实验准备 | 第67-68页 |
| ·混乱度比较 | 第68-69页 |
| ·主题理解 | 第69页 |
| ·推荐效果比较 | 第69-70页 |
| ·特征选择的实验效果 | 第70-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 基于典型用户群组的个性化推荐方法 | 第76-94页 |
| ·引言 | 第76-77页 |
| ·相关工作 | 第77-78页 |
| ·基本原理和定义 | 第78-81页 |
| ·推荐系统的项目覆盖率 | 第78-79页 |
| ·递增项目覆盖率 | 第79-81页 |
| ·典型用户群组的定义 | 第81页 |
| ·典型用户群组发现算法和基于典型用户群组的推荐方法 | 第81-83页 |
| ·典型用户群组发现算法 | 第82页 |
| ·基于典型用户群组的协同过滤推荐算法 | 第82-83页 |
| ·实验结果与分析 | 第83-93页 |
| ·数据集和评价标准 | 第83-84页 |
| ·对比方法 | 第84-85页 |
| ·用户子集选择的对比实验 | 第85-90页 |
| ·推荐效果比较 | 第90-92页 |
| ·实验小结 | 第92-93页 |
| ·本章小结 | 第93-94页 |
| 第六章 总结与展望 | 第94-100页 |
| ·工作总结 | 第95-96页 |
| ·贡献和创新点 | 第96-97页 |
| ·未来展望 | 第97-100页 |
| 参考文献 | 第100-114页 |
| 致谢 | 第114-116页 |
| 在读期间发表的学术论文与取得的研究成果 | 第116-117页 |