| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·混合推荐系统国内外研究现状 | 第8-12页 |
| ·基于点数据的混合推荐算法研究现状 | 第8-11页 |
| ·基于符号数据的推荐系统研究现状 | 第11-12页 |
| ·论文基本内容及结构 | 第12-15页 |
| 第二章 相关理论介绍 | 第15-28页 |
| ·符号数据分析概述 | 第15-19页 |
| ·符号数据类型 | 第15-16页 |
| ·符号数据分析方法 | 第16-19页 |
| ·推荐系统概述 | 第19-27页 |
| ·推荐系统的定义 | 第19-20页 |
| ·基于内容的推荐系统 | 第20-21页 |
| ·协同过滤推荐系统 | 第21-25页 |
| ·其他推荐算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于符号数据的混合推荐算法 | 第28-47页 |
| ·基于内容与 user-based 协同过滤混合推荐算法 | 第28-42页 |
| ·模态符号数据 | 第28-29页 |
| ·基于模态符号数据描述的用户建模 | 第29-35页 |
| ·用户相似性度量 | 第35-40页 |
| ·形成推荐 | 第40-42页 |
| ·基于内容与 item-based 协同过滤的混合推荐算法 | 第42-46页 |
| ·非负矩阵分解算法概述 | 第42-43页 |
| ·非负矩阵分解算法的实现 | 第43-44页 |
| ·基于内容和 item-based 协同过滤的混合推荐算法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 实验及算法评价 | 第47-62页 |
| ·实验数据集 | 第47-49页 |
| ·实验数据集的选取 | 第47-48页 |
| ·数据集的稀疏度 | 第48-49页 |
| ·实验设计 | 第49-50页 |
| ·实验环境 | 第49页 |
| ·实验结果评价指标 | 第49页 |
| ·实验设计 | 第49-50页 |
| ·实验结果分析 | 第50-61页 |
| ·相似性计算时间对比分析 | 第51页 |
| ·基于内容与 user-based 协同过滤的混合推荐算法权重确定 | 第51-53页 |
| ·数据稀疏性实验结果分析 | 第53-55页 |
| ·邻居数量实验结果分析 | 第55-57页 |
| ·新用户实验结果分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·本文的工作总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70页 |
