| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文工作及章节安排 | 第12-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关算法理论概述 | 第15-25页 |
| 2.1 协同过滤推荐算法的相关理论与技术 | 第15-19页 |
| 2.1.1 个性化推荐概述 | 第15页 |
| 2.1.2 基于用户的协同过滤推荐算法 | 第15-17页 |
| 2.1.3 推荐系统的评测指标 | 第17-19页 |
| 2.2 聚类算法概述 | 第19-23页 |
| 2.2.1 聚类算法简介 | 第19页 |
| 2.2.2 K-means聚类算法 | 第19-22页 |
| 2.2.3 评价方法 | 第22-23页 |
| 2.3 关联规则相关理论 | 第23-24页 |
| 2.3.1 关联规则简介 | 第23页 |
| 2.3.2 基于FP树的关联规则挖掘算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 用户的类别喜好度及其计算方法 | 第25-31页 |
| 3.1 类别喜好度简介 | 第25-26页 |
| 3.1.1 类别喜好度的概念 | 第25页 |
| 3.1.2 类别喜好度的特性 | 第25-26页 |
| 3.2 用户的类别喜好度的获取 | 第26-29页 |
| 3.2.1 类别喜好度的分析 | 第26-27页 |
| 3.2.2 用户-项目评分中的类别喜好度的三种计算法方法 | 第27-29页 |
| 3.3 类别喜好度在推荐系统中的应用 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于用户的局部最近邻和类别喜好度的协同过滤推荐算法 | 第31-49页 |
| 4.1 基于项目聚类和用户局部最近邻的协同过滤推荐算法 | 第31-40页 |
| 4.1.1 项目聚类 | 第31-34页 |
| 4.1.2 用户的局部最近邻 | 第34-35页 |
| 4.1.3 算法的设计与实现 | 第35-38页 |
| 4.1.4 实验及结果分析 | 第38-40页 |
| 4.2 基于用户的局部最近邻和类别喜好度的协同过滤推荐算法 | 第40-47页 |
| 4.2.1 算法的设计 | 第40-41页 |
| 4.2.2 算法的实现 | 第41-44页 |
| 4.2.3 实验及结果分析 | 第44-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第5章 基于最近邻用户关联规则挖掘的协同过滤推荐算法 | 第49-55页 |
| 5.1 最近邻用户 | 第49页 |
| 5.2 基于FP树的关联规则挖掘 | 第49-51页 |
| 5.2.1 动态设定最小支持度 | 第49-50页 |
| 5.2.2 基于FP树的关联规则挖掘 | 第50-51页 |
| 5.3 算法设计与实现 | 第51-53页 |
| 5.3.1 算法改进的出发点 | 第51页 |
| 5.3.2 算法的设计与实现 | 第51-53页 |
| 5.4 实验结果及分析 | 第53-54页 |
| 5.4.1 实验环境 | 第53页 |
| 5.4.2 实验结果分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 本文的主要特色 | 第55-56页 |
| 6.3 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63页 |
