| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 推荐算法的分类 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.4 研究内容介绍 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 基础知识和相关工作 | 第17-24页 |
| 2.1 协同过滤推荐算法综述 | 第17-19页 |
| 2.2 Slope One算法介绍 | 第19-23页 |
| 2.2.1 原始Slope One算法 | 第19-20页 |
| 2.2.2 加权Slope One算法 | 第20页 |
| 2.2.3 双极Slope One算法 | 第20-21页 |
| 2.2.4 Slope One算法优点及缺陷 | 第21-22页 |
| 2.2.5 Slope One算法改进方案 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于项目分类的加权Slope One算法 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 准备工作 | 第24-26页 |
| 3.2.1 项目分类 | 第24-25页 |
| 3.2.2 分类专家 | 第25-26页 |
| 3.3 基于项目分类的加权Slope One算法 | 第26-32页 |
| 3.3.1 基于项目分类和分类专家的加权Slope One算法 | 第26-30页 |
| 3.3.2 基于项目分类和项目动态k近邻的加权Slope One算法 | 第30-32页 |
| 3.4 算法步骤 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于K-means聚类的加权Slope One算法 | 第35-43页 |
| 4.1 引言 | 第35页 |
| 4.2 K-means聚类方法 | 第35-36页 |
| 4.3 基于K-means聚类的加权Slope One算法 | 第36-40页 |
| 4.3.1 SVD技术 | 第36-37页 |
| 4.3.2 基于项目K-means聚类的加权Slope One算法 | 第37-38页 |
| 4.3.3 基于用户K-means聚类的加权Slope One算法 | 第38-40页 |
| 4.3.4 基于混合聚类的加权Slope One算法 | 第40页 |
| 4.4 算法步骤 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验结果与分析 | 第43-57页 |
| 5.1 实验环境配置 | 第43页 |
| 5.2 实验评价标准 | 第43-44页 |
| 5.3 实验数据集 | 第44-45页 |
| 5.4 基于项目分类的加权Slope One算法实验结果及分析 | 第45-51页 |
| 5.4.1 Epinions数据集上的实验结果与分析 | 第45-48页 |
| 5.4.2 Movielens数据集上的实验结果与分析 | 第48-51页 |
| 5.5 基于K-means聚类的加权Slope One算法实验结果及分析 | 第51-56页 |
| 5.5.1 Filmtrust数据集上的实验结果与分析 | 第51-54页 |
| 5.5.2 Movielens数据集上的实验结果与分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
