| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要工作和创新 | 第9页 |
| 1.4 结构组织 | 第9-10页 |
| 第2章 相关理论及技术研究 | 第10-18页 |
| 2.1 推荐系统定义及常见算法 | 第10-13页 |
| 2.1.1 协同过滤推荐 | 第10-11页 |
| 2.1.2 基于内容推荐 | 第11-12页 |
| 2.1.3 混合推荐 | 第12-13页 |
| 2.2 交叉验证 | 第13-14页 |
| 2.2.1 二分验证法 | 第13页 |
| 2.2.2 留一法 | 第13-14页 |
| 2.2.3 K折交叉验证 | 第14页 |
| 2.3 评价指标 | 第14-17页 |
| 2.3.1 评分预测 | 第14-15页 |
| 2.3.2 Top N推荐 | 第15页 |
| 2.3.3 其他常见评价指标 | 第15-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 融合TRIANGLE和JACCARD相似度的推荐算法 | 第18-29页 |
| 3.1 概述 | 第18-19页 |
| 3.2 评分系统 | 第19页 |
| 3.3 评测指标 | 第19-20页 |
| 3.4 交叉验证方法 | 第20页 |
| 3.5 常用相似度 | 第20-22页 |
| 3.6 基于KNN的协同过滤推荐 | 第22页 |
| 3.7 TRIANGLE相似度 | 第22-23页 |
| 3.8 TMJ相似度 | 第23-24页 |
| 3.8.1 复杂度分析 | 第23-24页 |
| 3.8.2 运行实例 | 第24页 |
| 3.9 算法描述 | 第24-25页 |
| 3.10 实验 | 第25-28页 |
| 3.10.1 数据集 | 第25页 |
| 3.10.2 MAE对比实验 | 第25-27页 |
| 3.10.3 RMSE对比实验 | 第27-28页 |
| 3.11 本章小结 | 第28-29页 |
| 第4章 基于移动平均预测的交互式序列推荐算法 | 第29-38页 |
| 4.1 概述 | 第29页 |
| 4.2 数据模型 | 第29-31页 |
| 4.3 评价指标 | 第31-32页 |
| 4.4 基于时序的交互推荐系统 | 第32-35页 |
| 4.4.1 系统框架 | 第32-33页 |
| 4.4.2 移动平均预测法 | 第33页 |
| 4.4.3 人机交互 | 第33页 |
| 4.4.4 参数学习 | 第33页 |
| 4.4.5 运行实例 | 第33-35页 |
| 4.5 实验 | 第35-37页 |
| 4.5.1 数据集 | 第35页 |
| 4.5.2 实验结果 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第5章 总结与展望 | 第38-40页 |
| 5.1 本文工作总结 | 第38-39页 |
| 5.2 未来工作展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第45页 |