| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与现状 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究现状 | 第12-14页 |
| 1.2 问题的提出 | 第14-15页 |
| 1.3 研究的目的和意义 | 第15-16页 |
| 1.3.1 研究目的 | 第15页 |
| 1.3.2 研究意义 | 第15-16页 |
| 1.4 本文主要工作 | 第16-17页 |
| 1.5 论文组织结构 | 第17-18页 |
| 第2章 推荐系统理论概述 | 第18-29页 |
| 2.1 个性化推荐系统 | 第18-21页 |
| 2.1.1 推荐系统工作机理 | 第19-20页 |
| 2.1.2 推荐系统的分类 | 第20-21页 |
| 2.2 协同过滤推荐算法的分类 | 第21-26页 |
| 2.2.1 基于内存的协同过滤推荐算法 | 第22-25页 |
| 2.2.2 基于模型的协同过滤推荐算法 | 第25-26页 |
| 2.3 推荐系统评价方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于多属性评分的协同过滤推荐算法 | 第29-38页 |
| 3.1 传统协同过滤存在的问题 | 第29-30页 |
| 3.2 多属性评分的引入 | 第30-31页 |
| 3.3 相关概念描述 | 第31-32页 |
| 3.4 基于多属性评分的协同过滤推荐算法 | 第32-37页 |
| 3.4.1 属性评分变化幅度分析 | 第32-33页 |
| 3.4.2 属性评分预测 | 第33-35页 |
| 3.4.3 MARCF推荐结果计算 | 第35-36页 |
| 3.4.4 MARCF算法描述 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 带有信任度的基于多属性评分的协同过滤推荐算法 | 第38-45页 |
| 4.1 现有推荐系统的评分信任度问题 | 第38-40页 |
| 4.2 带有信任度的MARCF算法 | 第40-44页 |
| 4.2.1 信任度衡量 | 第40-42页 |
| 4.2.2 评分邻居集的筛选 | 第42-43页 |
| 4.2.3 TD-MARCF算法描述 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验与分析 | 第45-52页 |
| 5.1 准备工作 | 第45-47页 |
| 5.1.1 实验环境与开发工具 | 第45-46页 |
| 5.1.2 数据集介绍 | 第46-47页 |
| 5.1.3 评测方法 | 第47页 |
| 5.2 实验结果比较与分析 | 第47-51页 |
| 5.2.1 实验结果比较 | 第47-50页 |
| 5.2.2 实验结果分析 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 主要结论 | 第52-53页 |
| 6.2 未来工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间发表的学术论文以及参加科研情况 | 第58-59页 |