| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·内容结构 | 第12-13页 |
| 第2章 推荐系统的相关技术及概念 | 第13-29页 |
| ·个性化推荐系统原理 | 第13-14页 |
| ·个性化推荐技术介绍 | 第14-19页 |
| ·基于人口统计学的推荐 | 第14-15页 |
| ·基于关联规则的推荐 | 第15页 |
| ·基于内容的过滤的推荐 | 第15-17页 |
| ·基于协同过滤的推荐 | 第17-18页 |
| ·混合推荐 | 第18-19页 |
| ·协同过滤推荐算法 | 第19-26页 |
| ·协同过滤技术的描述 | 第19页 |
| ·数据来源 | 第19-20页 |
| ·基于用户的协同过滤 | 第20-23页 |
| ·基于项目的协同过滤 | 第23-25页 |
| ·基于模型的协同过滤推荐机制 | 第25页 |
| ·基于用户和项目协同过滤推荐算法的对比 | 第25-26页 |
| ·个性化推荐中使用的其他相关技术 | 第26-29页 |
| ·数据挖掘 | 第26-28页 |
| ·分词技术 | 第28-29页 |
| 第3章 基于隐主题的混合推荐算法 | 第29-39页 |
| ·问题描述及解决办法 | 第29-30页 |
| ·数据定义 | 第30-31页 |
| ·ASVD 混合推荐算法 | 第31-36页 |
| ·基于 L1-SVD 的协同过滤算法 | 第31-32页 |
| ·基于内容的隐语义分析 | 第32-34页 |
| ·结合协同过滤和隐语义分析的混合推荐算法 ASVD | 第34-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·测试数据集 | 第36页 |
| ·评价标准 | 第36页 |
| ·实验及结果分析 | 第36-38页 |
| ·总结 | 第38-39页 |
| 第4章 基于用户特征向量混合推荐算法 | 第39-49页 |
| ·问题描述及解决方法 | 第39-40页 |
| ·构建项目的特征向量 | 第40-41页 |
| ·数据过滤和分词 | 第40-41页 |
| ·项目特征向量 | 第41页 |
| ·构建用户特征向量 | 第41-43页 |
| ·用户特征向量的聚类 | 第43-44页 |
| ·基于用户特征向量混合推荐算法流程 | 第44-45页 |
| ·实验及结果分析 | 第45-47页 |
| ·实验数据 | 第45-46页 |
| ·实验结果及分析 | 第46-47页 |
| ·总结 | 第47-49页 |
| 第5章 网页个性化推荐系统的设计 | 第49-57页 |
| ·网页推荐系统描述 | 第49页 |
| ·推荐系统外围架构 | 第49-50页 |
| ·推荐系统架构 | 第50-51页 |
| ·推荐方法 | 第51-53页 |
| ·推荐系统数据库的设计 | 第53-55页 |
| ·运行环境 | 第55-56页 |
| ·总结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |