| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-12页 |
| ·研究内容 | 第12-13页 |
| ·本文结构 | 第13-16页 |
| 第2章 协同过滤推荐技术 | 第16-32页 |
| ·引言 | 第16-18页 |
| ·协同过滤推荐技术的应用 | 第18-19页 |
| ·经典的协同过滤推荐算法 | 第19-27页 |
| ·基于用户的（User-based）协同过滤推荐 | 第20-23页 |
| ·基于项目的（Item-based）协同过滤推荐 | 第23-26页 |
| ·基于模型的（Model-based）协同过滤推荐 | 第26-27页 |
| ·协同过滤推荐面临的关键问题 | 第27-28页 |
| ·算法性能评价标准 | 第28-30页 |
| ·数据集 | 第28-29页 |
| ·评价标准 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 融合争议度特征的协同过滤推荐算法 | 第32-44页 |
| ·问题的提出 | 第32-33页 |
| ·相关工作分析 | 第33-35页 |
| ·融合项目争议度特征的协同过滤推荐算法 | 第35-38页 |
| ·寻找最近邻居集 | 第36-37页 |
| ·预测评分产生推荐结果 | 第37-38页 |
| ·实验及分析 | 第38-42页 |
| ·实验方案 | 第38-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于项目递归关系的协同过滤推荐算法 | 第44-54页 |
| ·引言 | 第44页 |
| ·基于项目递归关系的协同过滤推荐算法 | 第44-48页 |
| ·传统推荐中预测评分过程分析 | 第44-46页 |
| ·递归预测算法 | 第46-47页 |
| ·邻居集选取策略 | 第47-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·实验方案 | 第48页 |
| ·实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 算法的平台实现 | 第54-60页 |
| ·平台简介 | 第54-56页 |
| ·算法的实现 | 第56-59页 |
| ·推荐系统设计 | 第56-58页 |
| ·推荐结果展示 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·本文总结 | 第60-61页 |
| ·工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 在读期间发表的学术论文与取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |