| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 国外研究现状 | 第10-12页 |
| 1.3.2 国内研究现状 | 第12-14页 |
| 1.4 论文的主要内容和章节安排 | 第14-15页 |
| 第二章 电子期刊文献推荐的关键技术分析 | 第15-28页 |
| 2.1 电子期刊文献 | 第15-16页 |
| 2.2 推荐算法 | 第16-19页 |
| 2.2.1 基于关联规则的推荐算法 | 第16-17页 |
| 2.2.2 基于协同过滤的推荐算法 | 第17-18页 |
| 2.2.3 基于内容过滤的推荐算法 | 第18-19页 |
| 2.2.4 本文选择的方法 | 第19页 |
| 2.3 用户偏好模型 | 第19-21页 |
| 2.3.1 用户行为数据收集 | 第20页 |
| 2.3.2 用户偏好模型表示 | 第20-21页 |
| 2.3.3 用户偏好模型更新 | 第21页 |
| 2.4 信息检索模型 | 第21-24页 |
| 2.4.1 布尔模型（boolean model） | 第22页 |
| 2.4.2 概率模型（probabilistic model） | 第22页 |
| 2.4.3 向量空间模型（vector space model, VSM） | 第22-24页 |
| 2.5 中文分词技术 | 第24-26页 |
| 2.6 推荐系统性能评价指标 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 TF-IDF特征提取算法改进 | 第28-37页 |
| 3.1 主要特征提取方法 | 第28-29页 |
| 3.2 TF-IDF | 第29-31页 |
| 3.2.1 TF | 第30页 |
| 3.2.2 IDF | 第30-31页 |
| 3.3 TF-IDF不足 | 第31-33页 |
| 3.4 TF-IDF改进 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于内容过滤的电子期刊文献推荐模型设计与实现 | 第37-52页 |
| 4.1 功能需求分析 | 第37页 |
| 4.2 模型总体结构设计 | 第37-39页 |
| 4.3 数据库设计 | 第39-40页 |
| 4.4 用户偏好模型模块 | 第40-41页 |
| 4.5 文献特征模型模块 | 第41-44页 |
| 4.6 文献价值度 | 第44-48页 |
| 4.6.1 文献价值度含义及影响指标分析 | 第45-46页 |
| 4.6.2 文献价值度推荐因子确定 | 第46-47页 |
| 4.6.3 文献价值度计算模型 | 第47-48页 |
| 4.7 内容过滤推荐模块 | 第48-51页 |
| 4.7.1 相似度计算 | 第48-49页 |
| 4.7.2 综合推荐度计算 | 第49-51页 |
| 4.8 本章小结 | 第51-52页 |
| 第五章 实验仿真及结果分析 | 第52-65页 |
| 5.1 实验介绍 | 第52-54页 |
| 5.1.1 实验环境 | 第52页 |
| 5.1.2 数据来源 | 第52-54页 |
| 5.2 实验内容 | 第54-55页 |
| 5.3 实验结果及分析 | 第55-64页 |
| 5.3.1 改进的TF-IDF算法实验结果及分析 | 第55-61页 |
| 5.3.2 引入文献价值度实验结果及分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 图片清单 | 第70-71页 |
| 表格清单 | 第71-72页 |
| 附录 | 第72-90页 |
| 在学研究成果 | 第90-91页 |
| 致谢 | 第91页 |
