| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 推荐系统研究现状 | 第11-13页 |
| 1.2.1 推荐系统的发展简述与实例 | 第11-12页 |
| 1.2.2 推荐系统的主要研究内容 | 第12页 |
| 1.2.3 推荐系统研究面临的挑战 | 第12-13页 |
| 1.3 本文的研究工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 协同过滤推荐及其相关技术综述 | 第16-24页 |
| 2.1 协同过滤推荐的基本思想 | 第16-17页 |
| 2.2 协同过滤算法的分类 | 第17-21页 |
| 2.2.1 启发式协同过滤(Memory-based CF) | 第17-20页 |
| 2.2.2 基于模型的协同过滤(Model-based CF) | 第20-21页 |
| 2.2.3 混合协同过滤 | 第21页 |
| 2.3 协同过滤算法的评估 | 第21-24页 |
| 第三章 考虑时间权重的协同过滤算法 | 第24-32页 |
| 3.1 问题的提出 | 第24页 |
| 3.2 相关工作 | 第24-25页 |
| 3.3 时间效应简介 | 第25-26页 |
| 3.3.1 时间的上下文信息 | 第25页 |
| 3.3.2 推荐系统的时间特性 | 第25-26页 |
| 3.4 背景知识 | 第26-28页 |
| 3.4.1 记忆原理与遗忘曲线 | 第26-27页 |
| 3.4.2 基于项目的协同过滤算法 | 第27-28页 |
| 3.5 考虑时间权重的协同过滤算法 | 第28-30页 |
| 3.5.1 时间权重更新模型 | 第28-29页 |
| 3.5.2 改进的协同过滤算法 | 第29-30页 |
| 3.6 实验结果 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 第四章 基于粗糙集与模糊隶属度的推荐策略 | 第32-42页 |
| 4.1 研究目的 | 第32页 |
| 4.2 理论知识 | 第32-37页 |
| 4.2.1 粗糙集概念 | 第32-35页 |
| 4.2.2 属性约简与规则获取 | 第35-36页 |
| 4.2.3 模糊集合与模糊隶属度 | 第36-37页 |
| 4.3 基于规则与模糊隶属度的推荐策略设计 | 第37-40页 |
| 4.4 仿真结果 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结和展望 | 第42-46页 |
| 5.1 文章总结 | 第42-43页 |
| 5.2 研究展望 | 第43-46页 |
| 参考文献 | 第46-52页 |
| 致谢 | 第52-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |