| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 论文的主要研究内容 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-16页 |
| 第二章 相关技术及应用 | 第16-25页 |
| 2.1 本体相关知识 | 第16-18页 |
| 2.1.1 本体概念 | 第16-17页 |
| 2.1.2 本体构建的一般方法 | 第17-18页 |
| 2.1.3 本体描述语言 | 第18页 |
| 2.2 主要的个性化推荐算法分析 | 第18-21页 |
| 2.2.1 基于用户的协同过滤算法 | 第19-20页 |
| 2.2.2 基于物品的协同过滤算法 | 第20-21页 |
| 2.3 相关技术在影视推荐领域的应用 | 第21-24页 |
| 2.3.1 Netfilx电影推荐系统 | 第21-22页 |
| 2.3.2 Movielens电影推荐系统 | 第22-23页 |
| 2.3.3 奇艺电影推荐系统 | 第23-24页 |
| 2.3.4 电影推荐系统小结 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 影视本体及用户模型的构建 | 第25-35页 |
| 3.1 问题的提出 | 第25页 |
| 3.2 基于迭代开发模型的本体构建方法研究 | 第25-28页 |
| 3.2.1 “七步法”构建领域本体 | 第25-26页 |
| 3.2.2 迭代开发模型 | 第26页 |
| 3.2.3 基于迭代开发模型的本体构建方法 | 第26-28页 |
| 3.3 影视本体的构建步骤 | 第28-33页 |
| 3.4 基于本体的用户模型构建 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于本体的影视推荐算法研究 | 第35-49页 |
| 4.1 问题的提出 | 第35-36页 |
| 4.2 问题研究 | 第36-46页 |
| 4.2.1 BK-Means算法 | 第36-38页 |
| 4.2.2 基于本体的语义相似度计算 | 第38-40页 |
| 4.2.3 稀疏矩阵填充 | 第40-41页 |
| 4.2.4 用户遗忘函数 | 第41-45页 |
| 4.2.5 用户最近邻的生成及推荐产生 | 第45-46页 |
| 4.3 基于本体的影视推荐算法主要流程 | 第46-48页 |
| 4.3.1 算法流程分析 | 第46-47页 |
| 4.3.2 算法描述 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 算法的实现与分析 | 第49-55页 |
| 5.1 实验设计 | 第49页 |
| 5.2 推荐效果评价指标 | 第49-50页 |
| 5.3 实验及分析 | 第50-54页 |
| 5.3.1 确定调节因子a | 第50-51页 |
| 5.3.2 邻居规模对算法的影响 | 第51-52页 |
| 5.3.3 时间遗忘函数对算法的影响 | 第52页 |
| 5.3.4 基于本体的影视推荐算法与传统的协同过滤算法的推荐比较 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55-56页 |
| 6.2 未来研究展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |