| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.2 国内外研究现状 | 第19-21页 |
| 1.3 本文研究内容 | 第21-22页 |
| 1.4 论文结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 2 相关理论 | 第24-37页 |
| 2.1 常见的个性化推荐算法 | 第24-26页 |
| 2.2 协同过滤推荐算法 | 第26-32页 |
| 2.3 矩阵分解 | 第32-33页 |
| 2.4 K-means聚类算法 | 第33-34页 |
| 2.5 矩阵分解和聚类在推荐算法中的应用 | 第34-35页 |
| 2.6 协同过滤推荐算法存在的问题 | 第35-36页 |
| 2.7 本章小结 | 第36-37页 |
| 3 基于改进聚类和矩阵分解的协同过滤推荐算法 | 第37-45页 |
| 3.1 算法描述 | 第37-39页 |
| 3.2 基于改进聚类的协同过滤推荐算法 | 第39-40页 |
| 3.3 基于用户兴趣向量和项目属性矩阵的相似度计算 | 第40-41页 |
| 3.4 本文算法的实现步骤 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 仿真实验与结果分析 | 第45-52页 |
| 4.1 实验环境 | 第45页 |
| 4.2 实验数据 | 第45页 |
| 4.3 实验评估指标 | 第45-46页 |
| 4.4 仿真实验与分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 结论与展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 未来研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简历 | 第58-59页 |
| 学位论文数据集 | 第59页 |