| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 推荐系统相关知识 | 第16-29页 |
| 2.1 推荐系统的形式化定义 | 第16-17页 |
| 2.2 推荐系统的组成 | 第17-18页 |
| 2.3 常见的个性化推荐技术 | 第18-28页 |
| 2.3.1 社交推荐 | 第18-20页 |
| 2.3.2 基于内容的推荐 | 第20-24页 |
| 2.3.3 协同过滤推荐 | 第24-28页 |
| 2.3.4 混合推荐 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 推荐算法中聚类算法的研究及改进 | 第29-41页 |
| 3.1 聚类算法 | 第29-34页 |
| 3.2 相似汉明距离 | 第34页 |
| 3.3 提高数据密度的聚类算法 | 第34-36页 |
| 3.3.1 基于用户-用户-物品(物品-物品-用户)算法的改进 | 第34-36页 |
| 3.3.2 算法改进的主要特点分析 | 第36页 |
| 3.4 Slope one算法 | 第36-39页 |
| 3.4.1 Slope one算法 | 第37-38页 |
| 3.4.2 加权Slope one算法 | 第38-39页 |
| 3.4.3 Slope one算法的特点分析 | 第39页 |
| 3.4.4 改进Slope one算法及特点分析 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 混合模型的设计 | 第41-48页 |
| 4.1 混合模型的系统框架 | 第41-42页 |
| 4.2 混合模型的设计 | 第42-46页 |
| 4.2.1 新用户社交推荐 | 第43-44页 |
| 4.2.2 新物品内容推荐 | 第44-45页 |
| 4.2.3 Slope one推荐 | 第45页 |
| 4.2.4 混合推荐模型 | 第45-46页 |
| 4.3 混合模型设计的特点分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验与分析 | 第48-58页 |
| 5.1 实验数据 | 第48-50页 |
| 5.2 评价标准 | 第50-51页 |
| 5.3 实验设计与结果分析 | 第51-57页 |
| 5.3.1 实验环境 | 第51页 |
| 5.3.2 实验 1：相似距离的比较 | 第51-52页 |
| 5.3.3 实验 2：社交推荐和阈值确定 | 第52-53页 |
| 5.3.4 实验 3：基于内容的推荐 | 第53-54页 |
| 5.3.5 实验 4：基于改进型聚类的推荐算法和其他推荐算法的比较 | 第54-55页 |
| 5.3.6 实验 5：混合模型权重实验 | 第55-56页 |
| 5.3.7 实验 6：混合算法和其他算法对比 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 电影推荐系统 | 第58-62页 |
| 6.1 电影推荐系统架构 | 第58页 |
| 6.2 构建电影推荐系统 | 第58-60页 |
| 6.3 电影推荐系统展示 | 第60-61页 |
| 6.4 本章小结 | 第61-62页 |
| 第七章 结论与展望 | 第62-64页 |
| 7.1 结论 | 第62-63页 |
| 7.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第67-68页 |
| 作者在攻读硕士学位期间所作的项目 | 第68-69页 |
| 致谢 | 第69页 |