| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 推荐系统研究现状 | 第12-19页 |
| 1.2.1 国内研究及应用现状 | 第12-16页 |
| 1.2.2 国外研究及应用现状 | 第16-19页 |
| 1.3 问题提出 | 第19-21页 |
| 1.4 论文结构 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 2 相关理论基础 | 第23-32页 |
| 2.1 推荐系统的介绍 | 第23页 |
| 2.2 协同过滤算法 | 第23-27页 |
| 2.2.1 协同过滤算法的基本原理 | 第24页 |
| 2.2.2 协同过滤算法的分类 | 第24-27页 |
| 2.3 用户相似度算法 | 第27-30页 |
| 2.3.1 传统的用户相似度算法 | 第27-28页 |
| 2.3.2 改进的用户相似度算法 | 第28-30页 |
| 2.4 评价指标 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 考虑用户间共同评分偏好差异的启发式相似度算法 | 第32-47页 |
| 3.1 现存相似度算法的缺点 | 第32-34页 |
| 3.2 构造新相似度算法的动机 | 第34-35页 |
| 3.3 考虑用户偏好的相似度模型与算法 | 第35-38页 |
| 3.3.1 考虑用户偏好的相似度模型的构建 | 第35-37页 |
| 3.3.2 考虑用户偏好的相似度算法步骤 | 第37-38页 |
| 3.4 实验设计 | 第38-39页 |
| 3.4.1 数据集 | 第38页 |
| 3.4.2 实验环境 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-45页 |
| 3.5.1 预测质量：MAE和覆盖度 | 第39-42页 |
| 3.5.2 推荐质量：准确度和召回率 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 4 考虑流行度和用户评分差异的启发式相似度算法 | 第47-60页 |
| 4.1 新用户相似度算法的假设和动机 | 第47-48页 |
| 4.2 考虑流行度和用户评分差异的启发式相似度模型与算法 | 第48-52页 |
| 4.2.1 Popularity-MSD因子 | 第48-49页 |
| 4.2.2 Singularity-Difference因子 | 第49-50页 |
| 4.2.3 Preference因子 | 第50-52页 |
| 4.2.4 考虑流行度和用户评分差异的启发式相似度算法步骤 | 第52页 |
| 4.3 实验结果和分析 | 第52-58页 |
| 4.3.1 预测质量：MAE和覆盖度 | 第52-56页 |
| 4.3.2 推荐质量：准确度和召回率 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 图清单 | 第67-68页 |
| 表清单 | 第68-69页 |
| 攻读硕士学位期间参加的科研项目与发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |
