| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文主要研究内容及意义 | 第12页 |
| ·本文组织结构 | 第12-13页 |
| 第二章 传统的推荐技术研究 | 第13-17页 |
| ·协同过滤技术 | 第13-16页 |
| ·相似度计算 | 第13-14页 |
| ·基于用户的协同过滤 | 第14-15页 |
| ·基于物品的协同过滤 | 第15-16页 |
| ·协同过滤技术的优缺点 | 第16页 |
| ·协同过滤技术的优点 | 第16页 |
| ·协同过滤技术的缺点 | 第16页 |
| ·小结 | 第16-17页 |
| 第三章 基于上下文信息的推荐技术的提出 | 第17-27页 |
| ·上下文定义 | 第17页 |
| ·上下文信息的获取 | 第17-18页 |
| ·推荐系统中上下文信息的建模 | 第18-21页 |
| ·基于上下文的推荐技术 | 第21-26页 |
| ·上下文预过滤 | 第23-24页 |
| ·上下文后过滤 | 第24-25页 |
| ·上下文建模 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第四章 传统推荐算法与基于上下文的推荐算法仿真实验对比 | 第27-47页 |
| ·推荐系统主要评价指标 | 第27-30页 |
| ·数据集处理 | 第30-33页 |
| ·数据集简介 | 第30页 |
| ·数据集预处理 | 第30-33页 |
| ·基于用户的协同过滤算法 | 第33-37页 |
| ·基于用户的协同过滤算法实现 | 第33-36页 |
| ·实验结果 | 第36-37页 |
| ·基于上下文的预过滤 | 第37-40页 |
| ·基于上下文预过滤的算法实现 | 第37-39页 |
| ·实验结果 | 第39-40页 |
| ·基于上下文的后过滤算法 | 第40页 |
| ·基于上下文后过滤的算法实现 | 第40页 |
| ·实验结果 | 第40页 |
| ·上下文建模算法 | 第40-43页 |
| ·算法实现 | 第40-43页 |
| ·实验结果 | 第43页 |
| ·四种算法的综合评测 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第五章 基于上下文的音乐推荐系统设计与实现 | 第47-56页 |
| ·基于上下文的音乐推荐引擎架构设计 | 第47-49页 |
| ·生成用户特征向量 | 第47-48页 |
| ·特征-物品相关推荐 | 第48-49页 |
| ·过滤模块 | 第49页 |
| ·基于上下文的音乐推荐系统技术架构 | 第49-50页 |
| ·基于上下文的音乐推荐系统的开发 | 第50-54页 |
| ·B/S架构搭建 | 第50-51页 |
| ·数据库设计 | 第51-52页 |
| ·获取用户特征向量和用户听歌记录 | 第52页 |
| ·离线计算特征相关表 | 第52页 |
| ·根据特征相关表进行推荐 | 第52-53页 |
| ·推荐列表的过滤 | 第53页 |
| ·浏览器端开发 | 第53-54页 |
| ·基于上下文的音乐推荐系统的评测 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·本文工作总结 | 第56-57页 |
| ·问题和展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |