| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本文的主要贡献 | 第15-16页 |
| 1.4 本文的主要结构 | 第16-17页 |
| 第二章 相关背景知识和问题描述 | 第17-26页 |
| 2.1 推荐系统 | 第17-21页 |
| 2.1.1 推荐系统主要构成 | 第17-18页 |
| 2.1.2 推荐系统中的常用算法 | 第18-21页 |
| 2.2 协同过滤算法 | 第21-24页 |
| 2.2.1 相似性度量 | 第21-23页 |
| 2.2.2 计算邻居集合 | 第23页 |
| 2.2.3 预测评分 | 第23-24页 |
| 2.3 稀疏性问题 | 第24-26页 |
| 第三章 基于类别的混合协同过滤算法 | 第26-39页 |
| 3.1 用户邻居集合的建立 | 第26-32页 |
| 3.1.1 构造用户-类型矩阵 | 第26-30页 |
| 3.1.2 用户间相似性计算 | 第30-32页 |
| 3.1.3 目标用户邻居集合的建立 | 第32页 |
| 3.2 预测缺失打分 | 第32-36页 |
| 3.2.1 目标项目邻居集合的建立 | 第33-34页 |
| 3.2.2 用户最近感兴趣的类型云 | 第34-35页 |
| 3.2.3 预测邻居用户的缺失打分 | 第35-36页 |
| 3.3 计算目标用户的打分 | 第36-39页 |
| 第四章 实验结果与分析 | 第39-52页 |
| 4.1 数据集 | 第39-40页 |
| 4.2 评测指标 | 第40页 |
| 4.3 对于用户-类别矩阵的分析 | 第40-42页 |
| 4.4 参数设置 | 第42-48页 |
| 4.4.1 用户最近感兴趣项目数量阈值 | 第42-43页 |
| 4.4.2 两用户共同打分过的类别数阈值与对两项目打分过的用户数阈值 | 第43-46页 |
| 4.4.3 用户邻居数和项目邻居数 | 第46-48页 |
| 4.5 实验结果 | 第48-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 未来工作 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59-60页 |
| 攻读学位期间参加的科研项目 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |