| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第15-55页 |
| 1.1 研究背景 | 第15-27页 |
| 1.1.1 推荐系统的产生 | 第16-17页 |
| 1.1.2 推荐系统的应用 | 第17-23页 |
| 1.1.3 推荐系统准确度和用户满意度 | 第23-27页 |
| 1.2 推荐系统综述 | 第27-40页 |
| 1.2.1 推荐系统的主要算法 | 第28-34页 |
| 1.2.2 推荐系统的主要挑战 | 第34-36页 |
| 1.2.3 推荐系统的评价 | 第36-40页 |
| 1.3 新颖性推荐研究综述 | 第40-46页 |
| 1.3.1 新颖性定义及度量 | 第40-42页 |
| 1.3.2 新颖性推荐算法 | 第42-45页 |
| 1.3.3 总结 | 第45-46页 |
| 1.4 研究内容 | 第46-52页 |
| 1.4.1 新颖项目的定义、测量和新颖性推荐策略研究 | 第47-48页 |
| 1.4.2 基于产品生命周期的新颖性推荐算法研究 | 第48-49页 |
| 1.4.3 基于创新扩散理论的新颖性推荐算法研究 | 第49-51页 |
| 1.4.4 基于聚类加权距离差异性衡量的新颖性推荐算法研究 | 第51页 |
| 1.4.5 时间感知新颖性推荐算法研究 | 第51-52页 |
| 1.5 论文组织结构 | 第52-55页 |
| 第2章 基于新颖性定义的新颖性推荐策略研究 | 第55-71页 |
| 2.1 前言 | 第55页 |
| 2.2 新颖性推荐策略综述 | 第55-58页 |
| 2.3 新颖性的定义及离线实验设计 | 第58-61页 |
| 2.3.1 项目新颖性定义 | 第58-59页 |
| 2.3.2 新颖性推荐离线实验设计 | 第59-61页 |
| 2.4 传统的基于用户的协同过滤新颖性推荐 | 第61-63页 |
| 2.5 新颖性推荐策略 | 第63-69页 |
| 2.5.1 过程融合策略 | 第63-65页 |
| 2.5.2 结果融合策略 | 第65-68页 |
| 2.5.3 不同数据集和算法的讨论 | 第68-69页 |
| 2.6 小结 | 第69-71页 |
| 第3章 基于产品生命周期理论的新颖性推荐算法 | 第71-93页 |
| 3.1 引言 | 第71-72页 |
| 3.2 相关研究 | 第72-74页 |
| 3.3 方法和建模 | 第74-85页 |
| 3.3.1 PLC和新颖性推荐 | 第74-77页 |
| 3.3.2 项目流行度的时间序列 | 第77-81页 |
| 3.3.3 流行度预测 | 第81-83页 |
| 3.3.4 基于PLC的新颖性推荐算法 | 第83-85页 |
| 3.4 实验结果和分析 | 第85-91页 |
| 3.4.1 项目流行度预测 | 第85页 |
| 3.4.2 PP和ER算法的新颖度和准确度 | 第85-91页 |
| 3.5 小结 | 第91-93页 |
| 第4章 基于创新扩散理论的新颖性推荐算法研究 | 第93-111页 |
| 4.1 前言 | 第93页 |
| 4.2 相关研究 | 第93-96页 |
| 4.3 方法和建模 | 第96-103页 |
| 4.3.1 DI和PLC | 第96-98页 |
| 4.3.2 创新采纳积极度 | 第98-99页 |
| 4.3.3 基于K-means聚类方法的项目分类 | 第99-101页 |
| 4.3.4 基于DI的新颖性推荐算法 | 第101-103页 |
| 4.4 实验结果和分析 | 第103-109页 |
| 4.4.1 K-means聚类方法确定项目分类 | 第103-105页 |
| 4.4.2 DI算法的新颖度和准确度 | 第105-109页 |
| 4.5 小结 | 第109-111页 |
| 第5章 基于聚类差异性度量的新颖性推荐算法 | 第111-129页 |
| 5.1 前言 | 第111-112页 |
| 5.2 相关研究 | 第112-116页 |
| 5.2.1 聚类分析算法综述 | 第112-114页 |
| 5.2.2 聚类算法与推荐系统 | 第114-116页 |
| 5.3 方法与建模 | 第116-120页 |
| 5.3.1 加权距离法 | 第117页 |
| 5.3.2 基于K-means全局聚类的差异性度量 | 第117-118页 |
| 5.3.3 基于用户已采纳项目聚类的差异度度量 | 第118-120页 |
| 5.4 实验结果和分析 | 第120-127页 |
| 5.4.1 基于差异度算法的新颖性推荐 | 第120-124页 |
| 5.4.2 权重的影响 | 第124-127页 |
| 5.5 小结 | 第127-129页 |
| 第6章 时间感知新颖性推荐算法 | 第129-159页 |
| 6.1 前言 | 第129页 |
| 6.2 情景感知推荐问题描述 | 第129-131页 |
| 6.2.1 推荐问题 | 第129-130页 |
| 6.2.2 情景感知推荐系统 | 第130页 |
| 6.2.3 时间感知推荐系统 | 第130-131页 |
| 6.3 时间感知推荐算法综述 | 第131-134页 |
| 6.3.1 连续时间感知算法 | 第132-133页 |
| 6.3.2 分类时间感知算法 | 第133页 |
| 6.3.3 时间自适应算法 | 第133-134页 |
| 6.4 推荐系统的时间信息 | 第134-137页 |
| 6.4.1 系统的时效性 | 第135页 |
| 6.4.2 系统的实时性 | 第135-136页 |
| 6.4.3 推荐算法的时间多样性 | 第136-137页 |
| 6.5 方法和建模 | 第137-144页 |
| 6.5.1 时间感知喜好性 | 第137-140页 |
| 6.5.2 时间感知未知性 | 第140-143页 |
| 6.5.3 时间感知差异性 | 第143-144页 |
| 6.6 实验结果和分析 | 第144-157页 |
| 6.6.1 时间感知喜好性 | 第144-153页 |
| 6.6.2 时间感知未知性和差异性 | 第153-157页 |
| 6.7 小结 | 第157-159页 |
| 第7章 总结和展望 | 第159-167页 |
| 7.1 研究总结 | 第159-164页 |
| 7.2 创新点 | 第164页 |
| 7.3 未来展望 | 第164-167页 |
| 参考文献 | 第167-183页 |
| 攻读博士学位期间发表的论文及参加的科研工作 | 第183-185页 |
| 致谢 | 第185页 |
