| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 推荐系统概述 | 第14-29页 |
| 2.1 推荐系统简介 | 第14-15页 |
| 2.2 协同过滤推荐 | 第15-22页 |
| 2.2.1 协同推荐工作流程 | 第16-17页 |
| 2.2.2 协同过滤分类 | 第17-21页 |
| 2.2.3 协同推荐面临的挑战 | 第21-22页 |
| 2.3 其他常用推荐算法 | 第22-26页 |
| 2.3.1 基于内容的推荐算法 | 第22-24页 |
| 2.3.2 基于图的推荐算法 | 第24-26页 |
| 2.4 推荐系统评测标准 | 第26-28页 |
| 2.4.1 误差标准 | 第26-27页 |
| 2.4.2 命中率标准 | 第27页 |
| 2.4.3 其他标准 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 优化近邻查找的协同过滤算法 | 第29-37页 |
| 3.1 优化背景 | 第29-31页 |
| 3.2 基于相似评分行为的近邻查找法 | 第31-32页 |
| 3.2.1 算法描述 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-36页 |
| 3.3.1 数据集介绍 | 第32-33页 |
| 3.3.2 评测标准 | 第33-34页 |
| 3.3.3 实验环境 | 第34页 |
| 3.3.4 实验分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于划分聚类的协同过滤算法 | 第37-51页 |
| 4.1 优化背景及目标 | 第37-38页 |
| 4.1.1 优化背景 | 第37-38页 |
| 4.1.2 优化目标 | 第38页 |
| 4.2 基于用户-评分矩阵聚类的协同过滤算法 | 第38-42页 |
| 4.2.1 算法说明 | 第38-39页 |
| 4.2.2 算法描述 | 第39-41页 |
| 4.2.3 实验结果与分析 | 第41-42页 |
| 4.3 基于用户-兴趣矩阵聚类的协同过滤算法 | 第42-48页 |
| 4.3.1 算法说明 | 第42-44页 |
| 4.3.2 算法描述 | 第44-47页 |
| 4.3.3 实验结果与分析 | 第47-48页 |
| 4.4 基于用户-评分融合用户-兴趣矩阵聚类的协同过滤算法 | 第48-50页 |
| 4.4.1 算法说明 | 第48-49页 |
| 4.4.2 算法描述 | 第49页 |
| 4.4.3 实验结果与分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简介及在学期间科研成果 | 第57-58页 |
| 致谢 | 第58页 |