| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-12页 |
| ·协同过滤推荐的发展及研究现状 | 第12-14页 |
| ·本文主要的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 基础知识及相关理论 | 第16-24页 |
| ·推荐方法简述 | 第16-18页 |
| ·Widrow-Hoff 神经网络学习算法 | 第18-19页 |
| ·相似度度量方法 | 第19-21页 |
| ·模糊C 均值聚类(FCM)理论 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于Widrow-Hoff 神经网络的多指标推荐算法 | 第24-34页 |
| ·用户偏好函数计算 | 第25-28页 |
| ·用户相似度计算 | 第28-31页 |
| ·基于Widrow-Hoff 神经网络的多指标推荐算法 | 第31-33页 |
| ·算法思想 | 第31-32页 |
| ·算法描述 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4 章基于模糊C 均值聚类的环境感知推荐算法 | 第34-48页 |
| ·基础定义 | 第35-36页 |
| ·环境感知推荐模型及算法 | 第36-46页 |
| ·历史环境发现算法(HCDA) | 第37-40页 |
| ·环境匹配及隶属映射算法(CM3A) | 第40-44页 |
| ·环境感知推荐算法(CARA) | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 实验验证与分析 | 第48-60页 |
| ·实验准备工作 | 第48-50页 |
| ·实验数据来源 | 第48-50页 |
| ·实验环境 | 第50页 |
| ·实验评价标准 | 第50-52页 |
| ·推荐精度评价标准 | 第50-51页 |
| ·决策支持精确性标准 | 第51-52页 |
| ·基于Widrow-Hoff 神经网络多指标推荐算法(WHNN)验证 | 第52-55页 |
| ·采用F-measure 指标评价WHNN 算法 | 第52-53页 |
| ·采用Kendall 相关系数评价WHNN 算法 | 第53-54页 |
| ·各种算法MAE 值比较 | 第54-55页 |
| ·基于环境感知的多指标推荐算法验证 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
