| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文主体结构 | 第14-16页 |
| 2 相关技术 | 第16-25页 |
| 2.1 MYSQL数据库 | 第16-18页 |
| 2.1.1 数据库管理系统 | 第16-17页 |
| 2.1.2 MySQL数据库特点 | 第17-18页 |
| 2.2 SPRING MVC | 第18-21页 |
| 2.2.1 Spring MVC机制 | 第18-20页 |
| 2.2.2 Spring MVC优势 | 第20-21页 |
| 2.3 ANGULARJS | 第21-25页 |
| 2.3.1 AngularJS简介 | 第21-22页 |
| 2.3.2 AngularJS特点 | 第22-25页 |
| 3 网络用户偏好分析 | 第25-35页 |
| 3.1 典型推荐算法及存在问题分析 | 第25-30页 |
| 3.1.1 基于内容的推荐 | 第25-27页 |
| 3.1.2 基于协同过滤的推荐 | 第27-29页 |
| 3.1.3 混合推荐 | 第29页 |
| 3.1.4 现有推荐系统存在的问题 | 第29-30页 |
| 3.2 网络用户偏好分析建模 | 第30-34页 |
| 3.2.1 基于用户间关注关系建模 | 第30-32页 |
| 3.2.2 基于用户间交互信息建模 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 推荐算法及仿真 | 第35-56页 |
| 4.1 推荐方法 | 第35-37页 |
| 4.1.1 基于关注关系推荐方法 | 第35-36页 |
| 4.1.2 基于交互信息推荐方法 | 第36-37页 |
| 4.2 爬虫系统的设计 | 第37-42页 |
| 4.2.1 传统网络信息采集方法 | 第37-38页 |
| 4.2.2 基于HttpClient爬虫系统爬取过程 | 第38-39页 |
| 4.2.3 HttpClient | 第39-40页 |
| 4.2.4 正则表达式 | 第40-42页 |
| 4.3 MATLAB仿真验证 | 第42-53页 |
| 4.4 算法优势 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 推荐系统设计 | 第56-66页 |
| 5.1 系统整体设计 | 第56页 |
| 5.2 数据库表结构设计 | 第56-57页 |
| 5.3 推荐模块详细设计 | 第57-62页 |
| 5.3.1 数据预处理模块 | 第58-59页 |
| 5.3.2 相似度计算模块 | 第59-60页 |
| 5.3.3 功能实现 | 第60-62页 |
| 5.4 推荐结果展示 | 第62-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |