| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 推荐系统的研究现状 | 第14-15页 |
| 1.2.2 数据可视化技术的研究现状 | 第15-16页 |
| 1.3 主要研究内容和创新点 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 推荐算法的研究 | 第19-30页 |
| 2.1 推荐算法的概念 | 第19-20页 |
| 2.2 常用推荐算法 | 第20-28页 |
| 2.2.1 基于人口统计学的推荐 | 第21页 |
| 2.2.2 基于内容的推荐 | 第21-22页 |
| 2.2.3 协同过滤 | 第22-28页 |
| 2.2.3.1 协同过滤的实现 | 第22-25页 |
| 2.2.3.2 协同过滤的分类 | 第25-28页 |
| 2.3 本文选用的推荐算法 | 第28-30页 |
| 第3章 基于历史信息的数据建模与分析 | 第30-46页 |
| 3.1 数据过滤与建模 | 第30-33页 |
| 3.1.1 数据过滤 | 第30-31页 |
| 3.1.2 数据建模 | 第31-33页 |
| 3.2 计算公司之间相似度 | 第33-38页 |
| 3.2.1 simx(c1.c2)的计算 | 第34-35页 |
| 3.2.2 simy(c1,c2)的计算 | 第35-37页 |
| 3.2.3 权重的确定 | 第37-38页 |
| 3.3 算法流程图 | 第38-39页 |
| 3.4 实例分析 | 第39-46页 |
| 3.4.1 数据过滤与建模 | 第39-40页 |
| 3.4.2 计算相似度 | 第40-46页 |
| 第4章 数据可视化与用户交互设计 | 第46-58页 |
| 4.1 SIERPINSKI CARPET | 第46-47页 |
| 4.2 数据可视化 | 第47-54页 |
| 4.2.1 坐标计算 | 第48-52页 |
| 4.2.1.1 节点的布局 | 第49-50页 |
| 4.2.1.2 坐标的计算 | 第50-52页 |
| 4.2.2 基于对称sierpinski carpet技术的数据展示 | 第52-53页 |
| 4.2.3 基于非对称sierpinski carpet技术的数据展示 | 第53-54页 |
| 4.3 用户交互设计 | 第54-56页 |
| 4.3.1 鼠标移动 | 第55页 |
| 4.3.2 鼠标点击 | 第55-56页 |
| 4.4 实例分析 | 第56-58页 |
| 4.4.1 推荐结果展示 | 第56-57页 |
| 4.4.2 推荐结果分析 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表学术论文目录 | 第64-65页 |
| 攻读学位期间参与科研项目情况 | 第65-66页 |
| 学位论文评闻及答辩情况表 | 第66页 |