| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-10页 |
| ·本文工作 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 第二章 信息推荐系统概述 | 第12-20页 |
| ·信息过滤概述 | 第12-13页 |
| ·信息过滤与信息检索的联系 | 第13-14页 |
| ·推荐系统的研究内容 | 第14-15页 |
| ·推荐系统的研究现状和面临的挑战 | 第15-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 协同过滤算法 | 第20-32页 |
| ·相似性度量方法 | 第20-22页 |
| ·基于内存的协同过滤（MEMORY-BASED COLLABORATIVE FILTERING） | 第22-23页 |
| ·基于模型的协同过滤（MODEL-BASED COLLABORATIVE FILTERING） | 第23-28页 |
| ·混合过滤推荐方法 | 第28-29页 |
| ·协同过滤面临的困难 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 基于项目平滑和聚类的协同过滤算法 | 第32-42页 |
| ·聚类过程 | 第32-34页 |
| ·平滑方法 | 第34-35页 |
| ·最近邻居查找 | 第35-36页 |
| ·预测和推荐 | 第36-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 双向聚类迭代的协同过滤算法 | 第42-50页 |
| ·算法提出的背景 | 第42-43页 |
| ·交叉迭代算法 | 第43-46页 |
| ·最近邻居查找和评分预测 | 第46-47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结束语 | 第50-52页 |
| ·本文工作总结 | 第50页 |
| ·进一步工作 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56-57页 |