| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 推荐系统相关理论与技术 | 第16-26页 |
| 2.1 推荐系统基本概念 | 第16页 |
| 2.2 常见的推荐算法 | 第16-22页 |
| 2.2.1 基于内容的推荐算法 | 第17页 |
| 2.2.2 基于用户的协同过滤 | 第17-19页 |
| 2.2.3 基于项目的协同过滤 | 第19-20页 |
| 2.2.4 基于关系挖掘的协同过滤 | 第20-21页 |
| 2.2.5 基于模型的协同过滤 | 第21-22页 |
| 2.2.6 混合推荐算法 | 第22页 |
| 2.3 基于用户的协同过滤推荐算法所面临的问题 | 第22-23页 |
| 2.4 推荐系统目标及评价指标 | 第23-25页 |
| 2.4.1 准确性 | 第23-24页 |
| 2.4.2 覆盖率 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于时序行为的用户影响力研究 | 第26-33页 |
| 3.1 基于时序行为的信息 | 第26-27页 |
| 3.2 用户影响力的最近邻选择 | 第27-31页 |
| 3.3 基于时序行为的用户影响力算法描述 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于改进相似度计算方法的协同过滤推荐算法 | 第33-43页 |
| 4.1 用户相似度计算的权重因子和局限性 | 第33-37页 |
| 4.1.1 用户相似度计算的局限性 | 第33-35页 |
| 4.1.2 流行物品权重 | 第35-36页 |
| 4.1.3 用户共同评分权重 | 第36-37页 |
| 4.2 改进的用户相似度计算方法 | 第37-39页 |
| 4.3 改进的用户相似度算法描述 | 第39-40页 |
| 4.4 融合用户影响力的用户相似度计算方法 | 第40-41页 |
| 4.5 基于改进相似度计算方法的协同过滤推荐算法 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 实验结果及分析 | 第43-52页 |
| 5.1 实验数据 | 第43-44页 |
| 5.2 实验环境 | 第44页 |
| 5.3 实验评价标准 | 第44页 |
| 5.4 参数的选取 | 第44-48页 |
| 5.4.1 参数n对算法的影响 | 第45-46页 |
| 5.4.2 参数likeLimit和time对算法结果的影响 | 第46-48页 |
| 5.5 算法实验结果及分析 | 第48-50页 |
| 5.6 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59页 |