| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 基于内容的推荐 | 第10-11页 |
| 1.2.2 基于邻域的推荐 | 第11-13页 |
| 1.2.3 基于知识的推荐 | 第13页 |
| 1.2.4 混合推荐 | 第13-14页 |
| 1.3 论文研究目的和内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第2章 标签系统和协同过滤推荐 | 第17-25页 |
| 2.1 标签系统概述 | 第17-18页 |
| 2.2 标签的主要特性 | 第18-19页 |
| 2.3 标签系统和协同过滤推荐所存在的主要问题 | 第19-22页 |
| 2.3.1 标签系统所存在的主要问题 | 第19-20页 |
| 2.3.2 协同过滤推荐所存在的个性化问题 | 第20-22页 |
| 2.4 基于标签的协同过滤推荐 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于标签的推荐系统设计 | 第25-31页 |
| 3.1 系统设计目标与意义 | 第25-26页 |
| 3.2 系统设计 | 第26-30页 |
| 3.2.1 体系结构 | 第26-27页 |
| 3.2.2 技术结构 | 第27-28页 |
| 3.2.3 资源共享过程 | 第28-30页 |
| 3.2.4 一般推荐系统流程 | 第30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于标签系统的个性化推荐方法 | 第31-37页 |
| 4.1 基于标签的个性化推荐方法概述 | 第31-32页 |
| 4.2 基于标签的用户兴趣划分 | 第32-33页 |
| 4.3 计算兴趣点内用户-标签联系程度 | 第33-35页 |
| 4.4 产生推荐结果 | 第35页 |
| 4.5 本章小结 | 第35-37页 |
| 第5章 实验设计与结果分析 | 第37-47页 |
| 5.1 实验数据 | 第37-39页 |
| 5.1.1 Delicious数据简介 | 第37页 |
| 5.1.2 Delicious数据集的垃圾数据处理 | 第37-38页 |
| 5.1.3 Delicious数据集分析 | 第38-39页 |
| 5.2 实验方法 | 第39-41页 |
| 5.2.1 离线实验 | 第39-40页 |
| 5.2.2 用户调查 | 第40页 |
| 5.2.3 在线实验 | 第40-41页 |
| 5.3 评测指标 | 第41-42页 |
| 5.4 实验设计 | 第42-43页 |
| 5.4.1 训练集和测试集的分割 | 第42-43页 |
| 5.4.2 实验具体设计 | 第43页 |
| 5.5 实验结果与分析 | 第43-45页 |
| 5.6 项目实际效果展示 | 第45-46页 |
| 5.7 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 工作总结 | 第47-48页 |
| 6.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-55页 |
| 攻读硕士期间的研究成果 | 第55页 |