| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 相关技术研究 | 第16-24页 |
| 2.1 PH-Tree介绍 | 第16-18页 |
| 2.1.1 1维PH-Tree | 第16-17页 |
| 2.1.2 K维PH-Tree | 第17-18页 |
| 2.2 个性化推荐算法研究 | 第18-23页 |
| 2.2.1 聚类算法 | 第18-19页 |
| 2.2.2 分类算法 | 第19-21页 |
| 2.2.3 基于协同过滤推荐算法 | 第21-22页 |
| 2.2.4 基于网络结构的推荐算法 | 第22-23页 |
| 2.3 本章总结 | 第23-24页 |
| 第3章 基于PH-Tree多属性索引树朋友推荐算法 | 第24-33页 |
| 3.1 多属性表示方法 | 第24-26页 |
| 3.2 RMPH-Tree多属性树构造 | 第26-28页 |
| 3.3 基于RMPH-Tree的朋友推荐算法 | 第28-29页 |
| 3.4 实验验证和结果分析 | 第29-32页 |
| 3.4.1 实验数据 | 第29页 |
| 3.4.2 评价标准 | 第29页 |
| 3.4.3 实验 | 第29-32页 |
| 1. 属性个数对准确率的影响 | 第29-30页 |
| 2. 数据规模对运行时问的影响 | 第30-31页 |
| 3. 准确率 | 第31页 |
| 4. 召回率 | 第31-32页 |
| 5. 平均准确率 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于贝叶斯理论的多属性朋友推荐算法 | 第33-40页 |
| 4.1 基于RMPH-Tree索引树查找前K个朋友和被推荐用户 | 第33-34页 |
| 4.2 相似性度量方法 | 第34-35页 |
| 4.3 基于贝叶斯的多属性朋友推荐算法步骤 | 第35-36页 |
| 4.4 实验 | 第36-39页 |
| 4.4.1 算法实验 | 第36-39页 |
| 1. 属性个数对准确率的影响 | 第36-37页 |
| 2. 数据规模对运行时间的影响 | 第37页 |
| 3. 准确率 | 第37-38页 |
| 4. 召回率 | 第38页 |
| 5. 平均准确率 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 结论 | 第40-42页 |
| 工作总结 | 第40页 |
| 未来工作和展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 附录 攻读硕士学位期间撰写的论文 | 第45-46页 |
| 致谢 | 第46页 |