| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第2章 推荐系统及经典推荐算法 | 第14-24页 |
| 2.1 推荐系统 | 第14-15页 |
| 2.2 基于内容的推荐 | 第15-17页 |
| 2.2.1 基于内容的推荐算法 | 第15-17页 |
| 2.2.2 基于内容的推荐算法的优缺点 | 第17页 |
| 2.3 协同过滤推荐 | 第17-20页 |
| 2.3.1 基于用户协同过滤的推荐算法 | 第18-20页 |
| 2.3.2 基于协同过滤推荐算法的优缺点 | 第20页 |
| 2.4 基于数据挖掘的推荐 | 第20-23页 |
| 2.4.1 基于关联规则的推荐技术 | 第21-22页 |
| 2.4.2 k-means聚类 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 用户相似度计算方法的改进 | 第24-32页 |
| 3.1 用户相似度计算的问题 | 第24-25页 |
| 3.2 改进计算用户相似度的思路 | 第25-26页 |
| 3.3 实验分析 | 第26-31页 |
| 3.3.1 实验数据 | 第26-27页 |
| 3.3.2 评测指标 | 第27-28页 |
| 3.3.3 实验过程及分析 | 第28-31页 |
| 3.4 小结 | 第31-32页 |
| 第4章 基于k-means聚类改进协同过滤算法 | 第32-40页 |
| 4.1 协同过滤算法的速度瓶颈问题 | 第32页 |
| 4.2 基于k-means聚类改进协同过滤算法的思路 | 第32-34页 |
| 4.3 实验分析 | 第34-39页 |
| 4.3.1 实验数据 | 第34页 |
| 4.3.2 评测指标 | 第34-35页 |
| 4.3.3 实验过程及分析 | 第35-39页 |
| 4.4 小结 | 第39-40页 |
| 第5章 文章推荐子系统设计与实现 | 第40-55页 |
| 5.1 相关技术介绍 | 第40页 |
| 5.2 文章推荐子系统需求分析 | 第40-41页 |
| 5.3 推荐子系统设计 | 第41-49页 |
| 5.3.1 推荐子系统总体设计 | 第41-42页 |
| 5.3.2 推荐子系统功能模块设计 | 第42-44页 |
| 5.3.3 数据库设计 | 第44-49页 |
| 5.4 文章推荐子系统实现 | 第49-54页 |
| 5.5 小结 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |