| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究意义 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.3.1 用户偏好获取方法 | 第17-18页 |
| 1.3.2 协同过滤算法 | 第18-19页 |
| 1.3.3 群推荐集结策略 | 第19-20页 |
| 1.4 研究内容及组织结构 | 第20-21页 |
| 1.4.1 研究内容 | 第20-21页 |
| 1.4.2 论文组织结构 | 第21页 |
| 1.5 论文创新点 | 第21-22页 |
| 第二章 基于混合策略的用户评分预测 | 第22-34页 |
| 2.1 问题的提出 | 第22-23页 |
| 2.2 协同过滤推荐算法 | 第23-26页 |
| 2.2.1 传统的相似度评价标准 | 第24-26页 |
| 2.2.2 现有相似度计算方法的不足之处 | 第26页 |
| 2.3 相关研究分析 | 第26-28页 |
| 2.4 合协同过滤预测评分策略 | 第28-32页 |
| 2.4.1 改进的基于项目的协同过滤方法 | 第28-30页 |
| 2.4.2 改进的基于用户的协同过滤方法 | 第30-31页 |
| 2.4.3 混合基于项目和用户的评分预测方法 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于中位数的加权平均集结策略 | 第34-41页 |
| 3.1 群偏好集结理论与方法 | 第34-36页 |
| 3.1.1 社会选择理论 | 第34-35页 |
| 3.1.2 群偏好集结策略分析 | 第35-36页 |
| 3.2 基于中位数的加权平均集结方法 | 第36-40页 |
| 3.2.1 加权平均方法的相关研究 | 第36-37页 |
| 3.2.2 用户评分频度权重 | 第37-38页 |
| 3.2.3 用户评分可信度权重 | 第38-40页 |
| 3.2.4 用户评分集结 | 第40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 实验 | 第41-48页 |
| 4.1 实验设置 | 第41-43页 |
| 4.1.1 数据集 | 第41-42页 |
| 4.1.2 评估标准 | 第42-43页 |
| 4.1.3 实验内容 | 第43页 |
| 4.2 混合预测评分算法效果检验 | 第43-44页 |
| 4.2.1 混合预测评分算法与旧算法的比较 | 第43-44页 |
| 4.2.2 混合预测评分算法与传统算法的比较 | 第44页 |
| 4.3 项目类型相似性的权重α对预测评分算法的影响 | 第44-45页 |
| 4.4 用户相似性的权重β对预测评分算法的影响 | 第45-46页 |
| 4.5 基于中位数的加权平均集结策略效果检验 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文的主要工作 | 第48-49页 |
| 5.2 进一步研究 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第55-56页 |