| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 引言 | 第10-17页 |
| 1.1 课题背景 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 推荐系统研究现状 | 第12-13页 |
| 1.2.2 协同过滤推荐算法中相似性度量方法的研究现状 | 第13-14页 |
| 1.2.3 协同过滤推荐算法中时间因素的研究现状 | 第14页 |
| 1.2.4 面向IPTV推荐系统的研究现状 | 第14-15页 |
| 1.3 论文主要工作及贡献 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 相关理论 | 第17-27页 |
| 2.1 个性化推荐系统相关算法 | 第17-23页 |
| 2.1.1 协同过滤推荐算法 | 第17-21页 |
| 2.1.2 基于内容的推荐算法 | 第21-22页 |
| 2.1.3 混合推荐算法 | 第22-23页 |
| 2.2 推荐算法的评价 | 第23-24页 |
| 2.3 IPTV与电子商务系统的不同之处 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 算法改进 | 第27-40页 |
| 3.1 基于T_JACUOD的协同过滤算法描述 | 第27-30页 |
| 3.1.1 数据描述 | 第27-28页 |
| 3.1.2 查找最近邻居 | 第28-29页 |
| 3.1.3 生成推荐 | 第29-30页 |
| 3.2 基于T_JACUOD的协同过滤算法实验 | 第30-32页 |
| 3.2.1 测试数据集 | 第30-31页 |
| 3.2.2. 测试过程 | 第31页 |
| 3.2.3. 实验结果 | 第31-32页 |
| 3.3 改进的基于内容的推荐算法的算法描述 | 第32-35页 |
| 3.3.1. 首次推荐 | 第33-35页 |
| 3.3.2. 非首次推荐 | 第35页 |
| 3.4 改进的基于内容的推荐算法的算法实验 | 第35-38页 |
| 3.4.1 测试数据集 | 第35-36页 |
| 3.4.2. 测试过程 | 第36页 |
| 3.4.3. 实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 电信ITV视频推荐系统原型 | 第40-54页 |
| 4.1 电信ITV视频推荐系统原型项目背景 | 第40页 |
| 4.2 电信ITV视频推荐系统原型的设计 | 第40-44页 |
| 4.2.1 系统框架 | 第40-41页 |
| 4.2.2 系统流程 | 第41-42页 |
| 4.2.3 数据库设计 | 第42-44页 |
| 4.3 电信ITV视频推荐系统实现 | 第44-53页 |
| 4.3.1 用户登录 | 第44-46页 |
| 4.3.2 数据采集 | 第46-50页 |
| 4.3.3 基于内容的推荐 | 第50-51页 |
| 4.3.4 协同过滤推荐 | 第51-52页 |
| 4.3.5 数据查询 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 结束语 | 第54-56页 |
| 5.1 论文工作总结 | 第54页 |
| 5.2 问题和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |