| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状与分析 | 第12-14页 |
| 1.2.1 推荐系统的应用现状 | 第12-13页 |
| 1.2.2 推荐算法的研究现状 | 第13-14页 |
| 1.3 相关理论基础 | 第14-19页 |
| 1.3.1 推荐系统概述 | 第14-15页 |
| 1.3.2 常见推荐算法 | 第15-17页 |
| 1.3.3 聚类算法概述 | 第17-19页 |
| 1.4 主要研究内容和创新点 | 第19-20页 |
| 1.5 论文的组织结构 | 第20-22页 |
| 第二章 K-means聚类算法的自适应改进 | 第22-31页 |
| 2.1 K-means聚类算法 | 第22-23页 |
| 2.1.1 算法基本思想 | 第22页 |
| 2.1.2 算法描述 | 第22-23页 |
| 2.2 相似性度量和准则函数 | 第23-25页 |
| 2.3 优缺点及现有改进分析 | 第25-26页 |
| 2.3.1 优缺点分析 | 第25页 |
| 2.3.2 算法改进分析 | 第25-26页 |
| 2.4 基于自适应K-means聚类算法 | 第26-30页 |
| 2.4.1 AKC算法分析 | 第26-28页 |
| 2.4.2 AKC算法描述 | 第28-30页 |
| 2.4.3 AKC算法流程图 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于自适应聚类和用户信任模型的推荐算法 | 第31-44页 |
| 3.1 协同过滤推荐算法 | 第31-34页 |
| 3.1.1 基于用户的协同过滤推荐 | 第31-34页 |
| 3.1.2 优缺点分析 | 第34页 |
| 3.2 基于用户信任模型的推荐算法 | 第34-42页 |
| 3.2.1 UTMRA算法基本思想 | 第34-35页 |
| 3.2.2 用户信任模型的构建 | 第35-38页 |
| 3.2.3 邻居集选择 | 第38-39页 |
| 3.2.4 预测评分的计算 | 第39页 |
| 3.2.5 UTMRA算法描述 | 第39-41页 |
| 3.2.6 UTMRA算法流程图 | 第41-42页 |
| 3.3 基于自适应聚类和用户信任模型的推荐算法 | 第42-43页 |
| 3.3.1 AKC-UTMRA算法基本思想 | 第42-43页 |
| 3.3.2 AKC-UTMRA算法整体逻辑图 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实验设计与结果分析 | 第44-51页 |
| 4.1 实验数据集分析 | 第44-45页 |
| 4.2 实验环境简介 | 第45页 |
| 4.3 评价标准 | 第45-46页 |
| 4.4 实验设计与结果分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于AKC-UTMRA算法的职业规划推荐系统 | 第51-67页 |
| 5.1 系统设计背景 | 第51页 |
| 5.2 系统需求分析 | 第51-53页 |
| 5.2.1 系统功能需求 | 第52-53页 |
| 5.2.2 系统非功能需求 | 第53页 |
| 5.3 系统关键技术分析 | 第53-54页 |
| 5.3.1 Spring boot简要 | 第54页 |
| 5.3.2 Mahout框架 | 第54页 |
| 5.4 系统设计与实现 | 第54-64页 |
| 5.4.1 选修课推荐子系统 | 第54-55页 |
| 5.4.2 生活导师推荐子系统 | 第55-56页 |
| 5.4.3 高考志愿推荐子系统 | 第56-57页 |
| 5.4.4 系统整体架构设计 | 第57页 |
| 5.4.5 系统整体功能设计 | 第57-59页 |
| 5.4.6 系统数据库设计 | 第59-62页 |
| 5.4.7 系统页面展示 | 第62-64页 |
| 5.5 系统测试 | 第64-66页 |
| 5.5.1 测试概述 | 第64-65页 |
| 5.5.2 测试结果 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 攻读硕士期间参与的课题和项目 | 第72-73页 |
| 致谢 | 第73-74页 |