| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究内容和主要创新点 | 第11-12页 |
| 1.3 论文组织结构 | 第12-15页 |
| 第二章 个性化推荐系统概述 | 第15-25页 |
| 2.1 个性化推荐系统研究方法 | 第15-19页 |
| 2.1.1 常用推荐理论与技术 | 第15-17页 |
| 2.1.2 推荐系统中存在的难题 | 第17-19页 |
| 2.2 个性化推荐算法研究现状 | 第19-22页 |
| 2.2.1 静态推荐算法 | 第20页 |
| 2.2.2 基于兴趣漂移的推荐算法 | 第20-21页 |
| 2.2.3 基于兴趣演化的推荐算法 | 第21-22页 |
| 2.3 本章小结 | 第22-25页 |
| 第三章 基于时权重叠社区的个性化推荐算法 | 第25-51页 |
| 3.1 问题描述与分析 | 第25-27页 |
| 3.2 基于时权重叠社区的推荐算法建模 | 第27-38页 |
| 3.2.1 艾宾浩斯遗忘曲线 | 第28-29页 |
| 3.2.2 时权重叠社区划分 | 第29-34页 |
| 3.2.3 基于时间权重的关联规则挖掘 | 第34-37页 |
| 3.2.4 基于时权规则和社区的个性化推荐 | 第37-38页 |
| 3.3 实验与分析 | 第38-48页 |
| 3.3.1 实验设计 | 第38-40页 |
| 3.3.2 对比算法 | 第40-41页 |
| 3.3.3 实验结果与分析 | 第41-48页 |
| 3.4 本章小结 | 第48-51页 |
| 第四章 基于兴趣演化的用户模型构建及个性化推荐 | 第51-79页 |
| 4.1 问题描述与分析 | 第51-54页 |
| 4.2 基于兴趣演化的推荐算法建模 | 第54-63页 |
| 4.2.1 用户兴趣演化模型构建 | 第54-57页 |
| 4.2.2 用户兴趣演化模型优化 | 第57-63页 |
| 4.3 实验与分析 | 第63-78页 |
| 4.3.1 实验设计 | 第63-64页 |
| 4.3.2 对比算法 | 第64-65页 |
| 4.3.3 实验结果与分析 | 第65-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 基于兴趣漂移和兴趣演化的用户兴趣混合模型及推荐 | 第79-97页 |
| 5.1 问题描述与分析 | 第79-80页 |
| 5.2 双重动态的推荐算法建模 | 第80-86页 |
| 5.2.1 用户兴趣激活-衰减函数 | 第81-83页 |
| 5.2.2 兴趣演化相关的兴趣漂移算法 | 第83-85页 |
| 5.2.3 双重动态的个性化推荐 | 第85-86页 |
| 5.3 实验与分析 | 第86-96页 |
| 5.3.1 实验设计 | 第86-88页 |
| 5.3.2 对比算法 | 第88-89页 |
| 5.3.3 实验结果与分析 | 第89-96页 |
| 5.4 本章小结 | 第96-97页 |
| 第六章 总结与展望 | 第97-101页 |
| 6.1 总结 | 第97-98页 |
| 6.2 展望 | 第98-101页 |
| 参考文献 | 第101-111页 |
| 发表论文和科研情况说明 | 第111-113页 |
| 致谢 | 第113-114页 |