| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 推荐系统 | 第12-13页 |
| 1.2.2 主要推荐算法介绍 | 第13-14页 |
| 1.3 研究问题 | 第14-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 推荐系统与推荐相关算法 | 第17-27页 |
| 2.1 推荐系统概述 | 第17-18页 |
| 2.2 相关推荐技术 | 第18-26页 |
| 2.2.1 基于内容的推荐算法 | 第19-20页 |
| 2.2.2 基于协同过滤推荐算法 | 第20-22页 |
| 2.2.3 基于模型的协同过滤推荐 | 第22-23页 |
| 2.2.4 基于规则的推荐 | 第23-25页 |
| 2.2.5 基于统计过滤的推荐算法 | 第25页 |
| 2.2.6 混合推荐技术 | 第25-26页 |
| 2.3 推荐技术存在的问题 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于用户评分尺度差异构建的相似度模型 | 第27-37页 |
| 3.1 相似度算法概述 | 第27-30页 |
| 3.2 相似度算法的改进方式 | 第30-31页 |
| 3.3 用户评分尺度差异的分析 | 第31-32页 |
| 3.3.1 余弦相似度评分尺度差异性分析 | 第31-32页 |
| 3.3.2 修正的余弦和皮尔逊相似度评分尺度差异性分析 | 第32页 |
| 3.4 基本评分尺度差异性的改进相似度算法 | 第32-34页 |
| 3.5 算法实现 | 第34-36页 |
| 3.6 时间复杂度分析 | 第36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 基于协同过滤的近邻用户分析与优化 | 第37-46页 |
| 4.1 优化背景及目标 | 第37-39页 |
| 4.2 改进的近邻查找策略 | 第39-40页 |
| 4.3 算法分析 | 第40-42页 |
| 4.4 算法实现 | 第42-44页 |
| 4.5 时间复杂度分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 实验与结果分析 | 第46-52页 |
| 5.1 实验数据集 | 第46页 |
| 5.2 实验环境 | 第46页 |
| 5.3 实验度量标准 | 第46-47页 |
| 5.4 实验方案 | 第47-51页 |
| 5.4.1 实验1 | 第47-49页 |
| 5.4.2 实验2 | 第49-50页 |
| 5.4.3 实验3 | 第50-51页 |
| 5.5 实验分析 | 第51页 |
| 5.6 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |