| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景和课题来源 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 协同过滤推荐算法研究现状 | 第12-13页 |
| 1.2.2 数据稀疏性问题 | 第13-14页 |
| 1.2.3 数据稀疏性问题研究现状 | 第14-15页 |
| 1.3 课题研究目标与内容 | 第15-17页 |
| 1.3.1 研究目标 | 第15-16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 论文主要工作 | 第17-19页 |
| 第2章 协同过滤相关研究理论 | 第19-28页 |
| 2.1 协同过滤算法的分类 | 第19-25页 |
| 2.1.1 基于内存的协同过滤推荐算法 | 第19-23页 |
| 2.1.2 基于模型的协同过滤推荐算法 | 第23-25页 |
| 2.2 评价指标 | 第25-27页 |
| 2.2.1 预测准确度指标 | 第25页 |
| 2.2.2 分类准确率指标 | 第25-26页 |
| 2.2.3 新颖性 | 第26页 |
| 2.2.4 实时性 | 第26-27页 |
| 2.2.5 多样性 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于项目相似度传递的协同过滤推荐算法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 相似度计算方法 | 第28-30页 |
| 3.3 问题的提出 | 第30-31页 |
| 3.4 改进的古村落相似度计算方法 | 第31-36页 |
| 3.4.1 古村落可信关系建模 | 第33-35页 |
| 3.4.2 相似度传递的计算 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-40页 |
| 3.5.1 实验数据集 | 第36-37页 |
| 3.5.2 对比实验 | 第37页 |
| 3.5.3 实验结果 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于用户兴趣变化的隐语义模型 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 隐语义模型 | 第41-43页 |
| 4.3 旅游爱好者兴趣模型建模 | 第43-44页 |
| 4.4 融入时间权重的隐语义模型 | 第44-46页 |
| 4.5 实验结果及分析 | 第46-49页 |
| 4.5.1 实验目的 | 第47-48页 |
| 4.5.2 实验结果 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于相似度传递和时间权重的协同过滤算法 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 混合推荐算法模型设计 | 第50-55页 |
| 5.2.1 融入项目特征向量的混合推荐 | 第51-53页 |
| 5.2.2 Item-Based协同过滤算法与LFM混合的推荐算法 | 第53-55页 |
| 5.3 实验结果及分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 本文总结 | 第58页 |
| 工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |