| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 双边匹配理论研究 | 第14-15页 |
| 1.2.2 推荐算法理论研究 | 第15-16页 |
| 1.2.3 推荐效果的评价 | 第16-17页 |
| 1.2.4 现状总结与问题提出 | 第17-18页 |
| 1.3 研究内容与文章结构 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 文章结构 | 第19-21页 |
| 第二章 双边匹配理论及其推荐问题 | 第21-27页 |
| 2.1 双边匹配理论概述 | 第21-23页 |
| 2.2 受约束的Gale-Shapley机制及其推荐问题 | 第23-26页 |
| 2.2.1 受约束的Gale-Shapley机制 | 第23-25页 |
| 2.2.2 两类情形下的推荐问题 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于F分数的推荐算法 | 第27-32页 |
| 3.1 F分数定义 | 第27-29页 |
| 3.2 基于F分数的推荐算法 | 第29-31页 |
| 3.2.1 基于F分数的推荐算法 | 第29-30页 |
| 3.2.2 算法性质分析 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于最近邻的关联规则推荐算法 | 第32-47页 |
| 4.1 关联规则推荐概述 | 第32-35页 |
| 4.1.1 关联规则基本概念 | 第32-34页 |
| 4.1.2 基于关联规则推荐流程 | 第34-35页 |
| 4.2 基于最近邻的关联规则推荐算法 | 第35-46页 |
| 4.2.1 基于最近邻的频繁模式挖掘 | 第38-45页 |
| 4.2.2 由频繁模式生成强关联规则 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 仿真实验 | 第47-63页 |
| 5.1 基于F分数的推荐算法实验 | 第47-54页 |
| 5.1.1 评价指标 | 第47-49页 |
| 5.1.2 实验数据及对比方法 | 第49-50页 |
| 5.1.3 结果与分析 | 第50-54页 |
| 5.2 基于最近邻的关联规则推荐算法实验 | 第54-61页 |
| 5.2.1 评价指标 | 第54页 |
| 5.2.2 实验数据及对比方法 | 第54-55页 |
| 5.2.3 结果与分析 | 第55-61页 |
| 5.3 本章小结 | 第61-63页 |
| 结束语 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者在学期间取得的学术成果 | 第71-72页 |
| 附录A 硕士期间参与科研任务 | 第72页 |