| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·推荐系统 | 第9-10页 |
| ·组推荐系统 | 第10-11页 |
| ·组推荐系统国内外研究现状 | 第11-13页 |
| ·论文基本内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第2章 相关技术综述 | 第15-23页 |
| ·组推荐技术及关键问题研究 | 第15-19页 |
| ·个人推荐技术及分类 | 第19-22页 |
| ·小结 | 第22-23页 |
| 第3章 个人推荐列表的生成 | 第23-29页 |
| ·Random Walk with Restart 算法 | 第23页 |
| ·Tangent 算法 | 第23-25页 |
| ·实验分析 | 第25-28页 |
| ·小结 | 第28-29页 |
| 第4章 组推荐系统融合规则 | 第29-47页 |
| ·社会选择 | 第29-30页 |
| ·常见的组推荐融合规则 | 第30-34页 |
| ·基于排列融合的组推荐融合规则 | 第34-36页 |
| ·加权的组推荐融合规则与Weighted-Medrank 算法 | 第36-39页 |
| ·组推荐融合规则效果评估 | 第39-44页 |
| ·组推荐规则用户调查分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第5章 GroupR 餐厅组推荐系统设计 | 第47-66页 |
| ·需求分析 | 第47-52页 |
| ·系统架构分析 | 第52-53页 |
| ·数据库设计 | 第53-56页 |
| ·餐厅点评模块 | 第56-58页 |
| ·餐厅个性化推荐模块 | 第58-60页 |
| ·用户小组模块 | 第60-63页 |
| ·餐厅组推荐模块 | 第63-64页 |
| ·后台维护模块设计 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第6章 GroupR 餐厅组推荐系统实现 | 第66-83页 |
| ·系统开发环境 | 第66页 |
| ·搜索技术实现 | 第66-69页 |
| ·Tangent 算法的工程化实现 | 第69-72页 |
| ·餐厅数据的获取 | 第72-75页 |
| ·组推荐页面实现 | 第75-76页 |
| ·系统效果 | 第76-82页 |
| ·小结 | 第82-83页 |
| 第7章 总结与展望 | 第83-85页 |
| ·本文工作总结 | 第83-84页 |
| ·进一步的研究工作 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 附录A: 组推荐策略调查问卷(组规模3) | 第89-91页 |
| 附录B: 组推荐策略调查问卷(组规模10) | 第91-92页 |