| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究的背景、目的及意义 | 第8-9页 |
| ·研究现况 | 第9-12页 |
| ·个性化推荐服务所需面对的挑战性 | 第12-13页 |
| ·研究的内容与组织结构 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·组织结构 | 第14-15页 |
| 第2章 个性化推荐系统 | 第15-23页 |
| ·个性化推荐系统概述 | 第15-17页 |
| ·个性化推荐系统的定义 | 第15-16页 |
| ·推荐系统的分类 | 第16-17页 |
| ·个性化推荐系统的相关技术 | 第17-23页 |
| ·用户兴趣建模 | 第17-18页 |
| ·关联规则 | 第18-19页 |
| ·基于内容的过滤 | 第19-20页 |
| ·协作过滤 | 第20-21页 |
| ·收集用户数据 | 第21-23页 |
| 第3章 提取用户爱好和对用户兴趣进行建模 | 第23-35页 |
| ·提取用户爱好 | 第23-28页 |
| ·通过间接信息提取方式得到互联网用户爱好 | 第23-25页 |
| ·通过直接信息反馈的方式来提取用户爱好 | 第25-26页 |
| ·半显式半隐式爱好提取 | 第26-28页 |
| ·用户兴趣模型的表示 | 第28-31页 |
| ·用户兴趣模型分析 | 第28-29页 |
| ·基于兴趣消退的用户兴趣模型的表示 | 第29-31页 |
| ·用户兴趣模型的建立和更新 | 第31-35页 |
| ·创建用户兴趣模型 | 第31-33页 |
| ·用户兴趣模型的动态更新 | 第33-35页 |
| 第4章 基于用户和资源项目的协同过滤技术及其推荐系统 | 第35-46页 |
| ·基于协同过滤技术的个性化推荐系统分析设计 | 第35-36页 |
| ·个性化推荐系统设计目标 | 第35页 |
| ·框架设计 | 第35-36页 |
| ·数据模型设计 | 第36-41页 |
| ·数据模型架构设计 | 第36-37页 |
| ·功能块设计 | 第37-39页 |
| ·构建在兴趣消退基础上的用户兴趣模型设计 | 第39-41页 |
| ·生成个性化推荐结果 | 第41-46页 |
| ·皮尔森相关性算法 | 第41-43页 |
| ·K最近邻用户算法的设计 | 第43-44页 |
| ·资源项目相关性推荐 | 第44-46页 |
| 第5章 实验分析 | 第46-56页 |
| ·实验准备 | 第46-48页 |
| ·实验环境 | 第46-47页 |
| ·数据提取与数据库设计 | 第47-48页 |
| ·实验设计与实验分析 | 第48-56页 |
| ·推荐评价标准 | 第48页 |
| ·基于协同过滤的推荐系统实验及其分析 | 第48-52页 |
| ·半显式半隐式爱好提取实验及其分析 | 第52-56页 |
| 第6章 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |