| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究状况 | 第8-9页 |
| 1.3 研究目标和内容 | 第9-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 推荐系统及相关技术概述 | 第12-19页 |
| 2.1 信息过载解决方式 | 第12-13页 |
| 2.2 个性化推荐 | 第13-14页 |
| 2.3 相关推荐算法介绍以及算法的优劣势 | 第14-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 协同过滤推荐算法的研究 | 第19-26页 |
| 3.1 协同过滤算法 | 第19页 |
| 3.2 传统的协同过滤推荐算法分类 | 第19-21页 |
| 3.3 传统的基于用户的协同过滤推荐算法的实现 | 第21-24页 |
| 3.4 协同过滤算法主要面临的问题以及挑战 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第四章 基于遗忘函数和项目流行度的推荐算法设计 | 第26-36页 |
| 4.1 艾宾浩斯遗忘曲线发现 | 第26页 |
| 4.2 艾宾浩斯遗忘曲线描述 | 第26-27页 |
| 4.3 遗忘函数 | 第27-29页 |
| 4.4 流行度失衡问题 | 第29-31页 |
| 4.5 本文算法描述 | 第31-35页 |
| 4.6 本章小结 | 第35-36页 |
| 第五章 实验结果与分析 | 第36-43页 |
| 5.1 数据集 | 第36-37页 |
| 5.2 评价标准 | 第37页 |
| 5.3 算法验证及结果分析 | 第37-39页 |
| 5.4 基于遗忘函数和项目流行度推荐算法系统设计与实现 | 第39-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-44页 |
| 6.1 研究总结 | 第43页 |
| 6.2 未来工作的展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 个人简介 | 第49页 |