| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景 | 第13页 |
| 1.2 个性化推荐发展现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究目的 | 第15-16页 |
| 1.4 主要研究内容 | 第16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第2章 相关研究综述 | 第18-27页 |
| 2.1 个性化推荐综述 | 第18-19页 |
| 2.2 传统用户兴趣模型 | 第19-22页 |
| 2.2.1 用户模型分析 | 第19-21页 |
| 2.2.2 用户模型建立与更新 | 第21-22页 |
| 2.3 相关个性化推荐算法 | 第22-25页 |
| 2.3.1 基于规则过滤的推荐算法 | 第22页 |
| 2.3.2 基于统计过滤的推荐算法 | 第22页 |
| 2.3.3 基于内容过滤的推荐算法 | 第22-23页 |
| 2.3.4 基于效用过滤的推荐算法 | 第23页 |
| 2.3.5 基于协同过滤的推荐算法 | 第23-25页 |
| 2.4 预测评分 | 第25-26页 |
| 小结 | 第26-27页 |
| 第3章 基于用户隐式反馈建模 | 第27-36页 |
| 3.1 基于传统用户建模改进 | 第27-32页 |
| 3.1.1 用户建模 | 第27-30页 |
| 3.1.2 改进用户模型建立 | 第30-32页 |
| 3.1.3 改进用户模型分组聚类 | 第32页 |
| 3.2 基于商品森林的商品建模 | 第32-34页 |
| 3.2.1 商品森林体系概念 | 第33页 |
| 3.2.2 商品森林体系结构图 | 第33-34页 |
| 3.3 模型的更新 | 第34页 |
| 3.3.1 用户模型更新 | 第34页 |
| 3.3.2 商品模型更新 | 第34页 |
| 3.4 商品模型与用户模型结合 | 第34-35页 |
| 3.4.1 商品模型与用户模型简述 | 第34页 |
| 3.4.2 用户-商品-商家三维空间模型 | 第34-35页 |
| 小结 | 第35-36页 |
| 第4章 基于隐式模型的个性化推荐算法 | 第36-63页 |
| 4.1 算法过程概述 | 第36页 |
| 4.2 用户相似度计算 | 第36-42页 |
| 4.2.1 基于用户分组相似度计算 | 第36-42页 |
| 4.2.2 基于用户协同相似度计算 | 第42页 |
| 4.3 商品相似度计算 | 第42-44页 |
| 4.3.1 基于项目协同相似度计算 | 第42-44页 |
| 4.3.2 基于商品类别相似度计算 | 第44页 |
| 4.3.3 商品相似度求和 | 第44页 |
| 4.4 评分预测算法 | 第44-45页 |
| 4.4.1 基于user-based协同过滤评分预测 | 第45页 |
| 4.4.2 基于Item-based协同过滤评分预测 | 第45页 |
| 4.5 商家个性化推荐 | 第45-47页 |
| 4.5.1 商家推荐结果 | 第45-46页 |
| 4.5.2 商家推荐性能 | 第46-47页 |
| 4.5.3 传统推荐算法对比 | 第47页 |
| 4.6 实验分析 | 第47-62页 |
| 4.6.1 实验方案 | 第47-48页 |
| 4.6.2 用户相似度分析 | 第48-49页 |
| 4.6.3 商品相似度分析 | 第49-56页 |
| 4.6.4 基于商品相似度预测评分值偏差 | 第56-57页 |
| 4.6.5 推荐商家结果分析 | 第57-62页 |
| 小结 | 第62-63页 |
| 第5章 原型系统设计及实现 | 第63-72页 |
| 5.1 系统框架及体系结构 | 第63-64页 |
| 5.2 系统工作流程 | 第64-66页 |
| 5.3 系统原型 | 第66-70页 |
| 5.4 系统对比分析 | 第70-71页 |
| 小结 | 第71-72页 |
| 结论与展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 附录A 攻读学位期间完成的主要成果 | 第77-78页 |
| 附录B 攻读硕士期间参与的项目列表 | 第78-79页 |
| 致谢 | 第79页 |