| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景与研究意义 | 第11-12页 |
| 1.2 协同过滤推荐技术的研究现状 | 第12-14页 |
| 1.3 协同过滤推荐算法的难点 | 第14-15页 |
| 1.4 主要工作与章节安排 | 第15-17页 |
| 2 协同过滤算法概述 | 第17-27页 |
| 2.1 协同过滤基本概念 | 第17-21页 |
| 2.1.1 集体智慧 | 第17-18页 |
| 2.1.2 协同过滤 | 第18-19页 |
| 2.1.3 长尾（Long Tail）效应 | 第19-21页 |
| 2.2 基于最近邻的协同过滤算法 | 第21-23页 |
| 2.3 协同过滤算法的评测指标 | 第23-26页 |
| 2.3.1 协同过滤算法的评价指标---TopN推荐 | 第24页 |
| 2.3.2 协同过滤算法的评价质量指标---覆盖率 | 第24-25页 |
| 2.3.3 协同过滤算法的评价质量指标---准确度 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 局部全局相似度度量方法与奇异值分解 | 第27-35页 |
| 3.1 局部相似度度量 | 第27-28页 |
| 3.2 全局相似度度量 | 第28-29页 |
| 3.3 局部全局相似度度量 | 第29页 |
| 3.4 奇异值分解法处理和推荐计算 | 第29-33页 |
| 3.4.1 奇异值分解法SVD概述 | 第29-30页 |
| 3.4.2 SVD算法流程 | 第30-31页 |
| 3.4.3 SVD实验设计方法 | 第31-33页 |
| 3.5 本章小结 | 第33-35页 |
| 4 实验与性能分析 | 第35-43页 |
| 4.1 数据集设置 | 第35-36页 |
| 4.2 影响实验结果的参数 | 第36-41页 |
| 4.2.1 活跃用户的邻居数目对推荐系统敏感度的影响 | 第36-38页 |
| 4.2.2 协同过滤参数a 对于推荐系统准确度的影响 | 第38-41页 |
| 4.3 实验结果及分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-50页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第50页 |
