| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 选题研究背景及意义 | 第7-8页 |
| 1.2 推荐系统现状 | 第8-9页 |
| 1.3 研究内容及目标 | 第9-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 信息推荐系统及关键技术 | 第12-20页 |
| 2.1 信息推荐系统概述 | 第12-13页 |
| 2.2 关键技术思路分析 | 第13-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 协同过滤推荐算法（CF）研究 | 第20-27页 |
| 3.1 协同过滤推荐技术概述 | 第20-21页 |
| 3.2 基于用户的协同过滤 | 第21-23页 |
| 3.3 基于项目的协同过滤 | 第23-24页 |
| 3.4 基于模型的的协同过滤 | 第24-25页 |
| 3.5 协同过滤推荐（CF）算法面临的问题及解决办法 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 基于用户体验度和长尾理论的推荐算法 | 第27-34页 |
| 4.1 用户评分 | 第27页 |
| 4.2 项目权重 | 第27-29页 |
| 4.3 长尾理论 | 第29-30页 |
| 4.4 预测评分并产生推荐 | 第30-31页 |
| 4.5 改进算法的实现 | 第31-33页 |
| 4.6 本章小结 | 第33-34页 |
| 第五章 实验结果及分析 | 第34-42页 |
| 5.1 数据集 | 第34-36页 |
| 5.2 评价标准 | 第36-37页 |
| 5.3 算法验证及结果分析 | 第37-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-43页 |
| 6.1 总结 | 第42页 |
| 6.2 研究展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 在校期间发表论文和科研成果 | 第47-48页 |
| 致谢 | 第48-49页 |
| 个人简介 | 第49页 |