| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.1.1 课题背景 | 第12-13页 |
| 1.1.2 课题意义 | 第13-14页 |
| 1.2 推荐系统知识 | 第14-16页 |
| 1.2.1 发展过程 | 第14-15页 |
| 1.2.2 工作原理 | 第15-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第2章 数据稀疏性问题研究现状 | 第18-23页 |
| 2.1 数据稀疏性问题 | 第18-19页 |
| 2.2 现阶段解决办法 | 第19-21页 |
| 2.2.1 固定值填充法 | 第19-20页 |
| 2.2.2 矩阵降解法 | 第20页 |
| 2.2.3 基于内容的推荐 | 第20-21页 |
| 2.3 现阶段存在的不足之处 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 组合CF算法填充矩阵解决稀疏问题 | 第23-32页 |
| 3.1 传统协同过滤推荐算法(CF算法) | 第23-24页 |
| 3.1.1 分析User-based CF推荐算法 | 第23-24页 |
| 3.1.2 分析Item-based CF推荐算法 | 第24页 |
| 3.2 问题的提出 | 第24-25页 |
| 3.3 组合CF算法填充矩阵 | 第25-31页 |
| 3.3.1 设计思想 | 第25页 |
| 3.3.2 设计原理 | 第25-26页 |
| 3.3.3 实现步骤 | 第26-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 实验评判指标及数据集介绍 | 第32-35页 |
| 4.1 推荐系统评判指标 | 第32-33页 |
| 4.1.1 预测准确度 | 第32-33页 |
| 4.1.2 覆盖率 | 第33页 |
| 4.2 推荐系统数据集 | 第33-35页 |
| 第5章 实验及分析 | 第35-49页 |
| 5.1 Mahout技术概述 | 第35-36页 |
| 5.2 实验环境 | 第36-39页 |
| 5.3 数据准备 | 第39-41页 |
| 5.4 实验 1、选取相似度 | 第41-43页 |
| 5.5 实验 2、填充矩阵 | 第43-45页 |
| 5.6 实验 3、组合CF算法和传统CF算法性能对比 | 第45-47页 |
| 5.7 实验结论 | 第47-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 研究总结 | 第49-50页 |
| 6.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
