| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·个性化推荐技术的研究背景及意义 | 第10-12页 |
| ·国内外研究现状介绍 | 第12-16页 |
| ·本文的主要研究工作 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第2章 Web 个性化服务技术 | 第18-33页 |
| ·个性化服务的实现 | 第18-24页 |
| ·用户描述文件 | 第18-21页 |
| ·资源描述文件 | 第21-22页 |
| ·个性化推荐 | 第22-24页 |
| ·个性化服务体系结构 | 第24-27页 |
| ·用户信息收集模块 | 第25-26页 |
| ·用户建模模块 | 第26页 |
| ·个性化服务模块 | 第26页 |
| ·用户 | 第26-27页 |
| ·个性化服务系统 | 第27-30页 |
| ·ILOG | 第27页 |
| ·Personal WebWatcher | 第27-29页 |
| ·GroupLens | 第29-30页 |
| ·个性化服务的主要应用形式 | 第30-31页 |
| ·个性化推荐 | 第30页 |
| ·个性化信息检索 | 第30-31页 |
| ·个性化网站 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 基于类别相似性的增量协同过滤推荐 算法研究 | 第33-58页 |
| ·引言 | 第33-34页 |
| ·相关工作的分析 | 第34-40页 |
| ·用户评分数据的表示 | 第34-35页 |
| ·传统的相似性度量方法及其分析 | 第35-37页 |
| ·已有工作的分析 | 第37-39页 |
| ·问题的提出 | 第39-40页 |
| ·项目相似性的计算 | 第40-46页 |
| ·引入类别相似性的原因 | 第40-42页 |
| ·类别相似性的表示及计算 | 第42-44页 |
| ·项目相似性的计算方法 | 第44-46页 |
| ·改进的预测评分方法 | 第46-48页 |
| ·改进的初步预测评分方法 | 第46-47页 |
| ·改进的最终预测评分方法 | 第47-48页 |
| ·增量算法的引入 | 第48-52页 |
| ·计算项目相似性矩阵 | 第49-51页 |
| ·推荐算法 | 第51-52页 |
| ·实验分析 | 第52-57页 |
| ·评价标准 | 第53页 |
| ·实验结果 | 第53-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于分类方法的个性化推荐算法研究 | 第58-70页 |
| ·引言 | 第58页 |
| ·相关工作的分析 | 第58-60页 |
| ·已有工作介绍 | 第58-59页 |
| ·系统结构 | 第59-60页 |
| ·用户访问事务文法 | 第60-63页 |
| ·个性化推荐算法设计 | 第63-67页 |
| ·数据准备 | 第64-67页 |
| ·推荐算法设计 | 第67页 |
| ·讨论 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |