| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-11页 |
| 1.4 研究挑战 | 第11页 |
| 1.5 研究内容 | 第11-12页 |
| 1.6 本文结构 | 第12-14页 |
| 2 推荐系统及相关算法 | 第14-28页 |
| 2.1 基本概念 | 第14-15页 |
| 2.2 推荐系统模块结构 | 第15-18页 |
| 2.3 基于内容的算法 | 第18页 |
| 2.4 基于模型的协同过滤算法 | 第18-20页 |
| 2.4.1 基于关联规则的算法 | 第18-19页 |
| 2.4.2 基于聚类的协同过滤算法 | 第19页 |
| 2.4.3 基于贝叶斯网络的协同过滤算法 | 第19-20页 |
| 2.5 基于内存的协同过滤算法 | 第20-26页 |
| 2.5.1 基于用户的协同过滤算法 | 第22-23页 |
| 2.5.2 基于项目的协同过滤推荐算法 | 第23-25页 |
| 2.5.3 基于用户和项目的协同过滤推荐算法的区别 | 第25页 |
| 2.5.4 协同过滤算法面临问题 | 第25-26页 |
| 2.6 组合推荐算法 | 第26页 |
| 2.7 推荐系统评估标准 | 第26-27页 |
| 2.7.1 准确性指标 | 第26页 |
| 2.7.2 有效性指标 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 3 融合条件概率的协同过滤推荐算法 | 第28-34页 |
| 3.1 数据稀疏问题 | 第28-29页 |
| 3.2 相关技术分析 | 第29-31页 |
| 3.3 条件概率算法 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 分步填充的协同过滤推荐算法 | 第34-44页 |
| 4.1 浮动筛选邻居用户 | 第34-35页 |
| 4.2 分步预测填充评分矩阵 | 第35-43页 |
| 4.2.1 第一阶段填充 | 第37-40页 |
| 4.2.2 第二阶段填充 | 第40-43页 |
| 4.2.3 产生项目推荐列表 | 第43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 仿真实验 | 第44-56页 |
| 5.1 实验目的 | 第44页 |
| 5.2 实验环境 | 第44页 |
| 5.3 实验数据集 | 第44页 |
| 5.4 实验度量标准 | 第44-45页 |
| 5.5 实验方案 | 第45页 |
| 5.6 实验结果及分析 | 第45-55页 |
| 5.6.1 实验 1 | 第45-47页 |
| 5.6.2 实验 2 | 第47-50页 |
| 5.6.3 实验 3 | 第50-54页 |
| 5.6.4 实验 4 | 第54-55页 |
| 5.7 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 本文总结 | 第56页 |
| 6.2 未来工作 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第63页 |