基于混合推荐的个性化信息服务系统的研究与应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景 | 第11-13页 |
| ·个性化信息服务出现的背景 | 第11页 |
| ·个性化信息服务的概念 | 第11-13页 |
| ·个性化信息服务研究现状 | 第13-16页 |
| ·发展过程 | 第13页 |
| ·个性化信息服务的主要形式 | 第13-14页 |
| ·个性化信息服务技术 | 第14-15页 |
| ·个性化信息服务系统 | 第15-16页 |
| ·目前存在的问题 | 第16-17页 |
| ·论文组织结构 | 第17-19页 |
| 2 个性化服务 | 第19-26页 |
| ·个性化服务的研究领域 | 第19-20页 |
| ·个性化服务的定义 | 第20-21页 |
| ·个性化服务的基本问题 | 第21-23页 |
| ·用户描述 | 第21-22页 |
| ·资源表达 | 第22页 |
| ·个性化推荐技术 | 第22-23页 |
| ·个性化服务的关键技术 | 第23-26页 |
| ·用户建模技术 | 第23-25页 |
| ·个性化服务模块 | 第25-26页 |
| 3 个性化推荐系统及用户建模的相关理论 | 第26-39页 |
| ·个性化推荐系统的组成 | 第26页 |
| ·个性化推荐技术概述 | 第26-32页 |
| ·协同过滤推荐技术 | 第27-30页 |
| ·基于内容过滤的推荐技术 | 第30页 |
| ·其他推荐技术 | 第30-32页 |
| ·个性化推荐系统的结构框架 | 第32-33页 |
| ·面临的挑战和研究方向 | 第33-34页 |
| ·用户建模的相关理论 | 第34-39页 |
| ·用户兴趣模型的概念 | 第34-35页 |
| ·用户兴趣模型的分类 | 第35-36页 |
| ·用户兴趣模型的信息收集 | 第36-37页 |
| ·用户兴趣模型的表示方法 | 第37-39页 |
| 4 混合推荐技术 | 第39-52页 |
| ·混合推荐的可行性 | 第39-41页 |
| ·混合思想 | 第39-40页 |
| ·基于内容的过滤和协同过滤的比较 | 第40-41页 |
| ·混合推荐技术 | 第41-43页 |
| ·混合推荐技术的基本思想 | 第41-42页 |
| ·混合推荐系统的基本框架 | 第42-43页 |
| ·用户兴趣模型的构建 | 第43-48页 |
| ·数据的来源 | 第44页 |
| ·用户兴趣模型的分类 | 第44-46页 |
| ·用户兴趣模型的建立 | 第46-48页 |
| ·用户兴趣模型相似度 | 第48-52页 |
| 5 基于混合模式推荐算法的研究 | 第52-60页 |
| ·稀疏性问题的解决方法 | 第52-54页 |
| ·项目特征的提取 | 第52-53页 |
| ·项目相似度计算 | 第53页 |
| ·缺失值的预测 | 第53-54页 |
| ·冷启动问题的解决方法 | 第54-55页 |
| ·协同过滤推荐模块 | 第55页 |
| ·用户聚类 | 第55-58页 |
| ·推荐模型 | 第58-60页 |
| ·算法复杂度分析 | 第59-60页 |
| 6 个性化推荐视频网站系统概要设计 | 第60-74页 |
| ·系统概要 | 第60-62页 |
| ·系统需求分析 | 第60页 |
| ·系统结构框架 | 第60-62页 |
| ·系统开发及运行环境 | 第62页 |
| ·数据库设计 | 第62-66页 |
| ·功能模块的设计 | 第66页 |
| ·主要模块设计 | 第66-68页 |
| ·个性化推荐模块 | 第66-67页 |
| ·新添加电影推荐 | 第67-68页 |
| ·新用户推荐 | 第68页 |
| ·功能实现 | 第68-74页 |
| ·用户登录 | 第68-69页 |
| ·离线处理 | 第69-71页 |
| ·在线推荐 | 第71-74页 |
| 7 总结与展望 | 第74-76页 |
| ·工作总结 | 第74页 |
| ·未来展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 作者简历 | 第78-79页 |
