| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.3 本文研究的主要内容与相关工作 | 第12-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 2 传统推荐方法及分析 | 第16-26页 |
| 2.1 协同过滤推荐方法 | 第16-18页 |
| 2.1.1 User-based协同过滤算法 | 第17-18页 |
| 2.1.2 Item-based协同过滤算法 | 第18页 |
| 2.2 基于内容的推荐方法 | 第18-19页 |
| 2.3 基于知识的推荐方法 | 第19-22页 |
| 2.3.1 与基于约束系统交互 | 第19-21页 |
| 2.3.2 与基于实例的推荐系统交互 | 第21-22页 |
| 2.4 混合推荐方法 | 第22-26页 |
| 2.4.1 整体式混合设计 | 第22-24页 |
| 2.4.2 并行混合设计 | 第24-25页 |
| 2.4.3 流水线混合设计 | 第25-26页 |
| 3 基于用户访问权重与遗忘曲线的协同过滤 | 第26-40页 |
| 3.1 遗忘曲线 | 第26-27页 |
| 3.2 基于用户访问权重的分析 | 第27-29页 |
| 3.3 用户模型和社区版块消息帖模型的建立 | 第29-32页 |
| 3.3.1 建立用户模型 | 第30-32页 |
| 3.3.2 建立消息帖模型 | 第32页 |
| 3.4 改进的算法流程与实验分析 | 第32-40页 |
| 3.4.1 通过遗忘函数来处理初始用户-项目评分矩阵 | 第33-34页 |
| 3.4.2 用户间的相似度计算 | 第34-35页 |
| 3.4.3 选取最近邻 | 第35-36页 |
| 3.4.4 通过用户访问权重改进产生的推荐评分 | 第36页 |
| 3.4.5 实验结果分析 | 第36-40页 |
| 4 基于协同过滤的个性化推荐系统设计 | 第40-55页 |
| 4.1 平台介绍 | 第40页 |
| 4.2 系统开发工具与运行环境 | 第40-41页 |
| 4.3 基于Android的客户端 | 第41-43页 |
| 4.4 基于SSH的后台管理平台 | 第43-46页 |
| 4.5 个性化推荐模块的设计 | 第46-47页 |
| 4.6 数据库的设计 | 第47-49页 |
| 4.7 个性化推荐模块相关数据库表的设计 | 第49-55页 |
| 5 基于协同过滤的个性化推荐系统的实现 | 第55-66页 |
| 5.1 Android客户端的实现 | 第55-60页 |
| 5.2 Android端各模块实现原理 | 第60-63页 |
| 5.3 WEB页面管理后台的实现 | 第63-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间发表论文及科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |