| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题背景及研究意义 | 第14-20页 |
| 1.1.2 推荐系统概述 | 第15-16页 |
| 1.1.3 推荐系统分类 | 第16-19页 |
| 1.1.4 推荐系统评价指标 | 第19-20页 |
| 1.2 本论文的主要工作和内容安排 | 第20-22页 |
| 第二章 协同过滤推荐算法 | 第22-30页 |
| 2.1 协同过滤推荐算法 | 第22-27页 |
| 2.1.1 协同过滤算法概述 | 第22页 |
| 2.1.2 基于用户的协同过滤推荐 | 第22-24页 |
| 2.1.3 基于项目的协同过滤推荐 | 第24-26页 |
| 2.1.4 基于模型的协同过滤推荐 | 第26-27页 |
| 2.2 协同过滤存在的问题 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 基于模糊机制与上下文信息的协同过滤推荐算法 | 第30-42页 |
| 3.1 常用的相似度模型 | 第30-34页 |
| 3.1.1 传统相似度模型 | 第30-31页 |
| 3.1.2 其它相似度模型 | 第31-34页 |
| 3.2 构建的算法动机 | 第34-35页 |
| 3.2.1 评分模糊逻辑化 | 第34页 |
| 3.2.2 构建项目贡献率 | 第34页 |
| 3.2.3 惩罚评分数目较小的用户相似度 | 第34-35页 |
| 3.3 算法的实现 | 第35-38页 |
| 3.3.1 算法数学描述 | 第35-37页 |
| 3.3.2 相似度计算例子 | 第37-38页 |
| 3.4 实验结果及性能分析 | 第38-41页 |
| 3.4.1 实验数据集 | 第38页 |
| 3.4.2 实验的评价指标 | 第38-39页 |
| 3.4.3 实验结果展示及分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于误差反馈信息的协同过滤推荐算法 | 第42-52页 |
| 4.1 前言 | 第42-44页 |
| 4.1.1 用户相似度因子模型 | 第42-43页 |
| 4.1.2 用户误差反馈信息概述 | 第43-44页 |
| 4.2 算法的实现 | 第44-49页 |
| 4.2.1 构建算法的动机 | 第44页 |
| 4.2.2 算法的具体实现 | 第44-47页 |
| 4.2.3 算法实现的例子 | 第47-49页 |
| 4.3 实验结果及性能分析 | 第49-51页 |
| 4.3.1 实验数据集 | 第49页 |
| 4.3.2 实验结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于粒子群优化的用户相似度模型论 | 第52-60页 |
| 5.1 前言 | 第52-54页 |
| 5.1.1 粒子群优化算法 | 第52-53页 |
| 5.1.2 基于距离因子的相似度模型 | 第53-54页 |
| 5.2 算法的具体实现 | 第54-56页 |
| 5.3 实验结果及性能分析 | 第56-58页 |
| 5.3.1 实验数据集介绍 | 第56页 |
| 5.3.2 实验结果展示 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 结论和展望 | 第60-62页 |
| 6.1 研究结论 | 第60页 |
| 6.2 研究结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |