| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 推荐系统概述 | 第10-14页 |
| 1.2.1 推荐系统 | 第10-11页 |
| 1.2.2 推荐系统的分类 | 第11-13页 |
| 1.2.3 推荐系统的国内外研究现状 | 第13-14页 |
| 1.3 本文的主要工作及内容安排 | 第14-16页 |
| 第二章 基于用户协同过滤推荐算法的分析 | 第16-25页 |
| 2.1 基于用户协同过滤推荐系统 | 第16-22页 |
| 2.1.1 协同过滤推荐系统 | 第16-17页 |
| 2.1.2 基于用户协同过滤推荐系统的原理 | 第17-22页 |
| 2.2 基于用户协同过滤推荐系统存在的问题与算法分析 | 第22-24页 |
| 2.2.1 稀疏性问题的研究与分析 | 第22-23页 |
| 2.2.2 扩展性问题的研究与分析 | 第23页 |
| 2.2.3 冷启动问题的研究与分析 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 一种融合奇异值分解和聚类的协同过滤推荐算法 | 第25-34页 |
| 3.1 SCW推荐算法的描述 | 第25-26页 |
| 3.2 基于奇异值分解的评分矩阵降维方法 | 第26-27页 |
| 3.3 基于聚类的最近邻用户生成方法 | 第27-30页 |
| 3.4 推荐列表的生成方法 | 第30-31页 |
| 3.5 冷启动与重复推荐问题的解决方法 | 第31-32页 |
| 3.5.1 新用户冷启动问题的L-SCW算法 | 第31-32页 |
| 3.5.2 重复推荐问题的SCW-P算法 | 第32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 实验与结果分析 | 第34-47页 |
| 4.1 实验环境及实验设计 | 第34-35页 |
| 4.1.1 实验环境 | 第34-35页 |
| 4.1.2 实验数据集 | 第35页 |
| 4.1.3 实验设计 | 第35页 |
| 4.2 评估标准 | 第35-36页 |
| 4.2.1 平均绝对误差 | 第35-36页 |
| 4.2.2 推荐准确率与召回率 | 第36页 |
| 4.3 关于SCW算法参数选取的实验及分析 | 第36-40页 |
| 4.3.1 数据集比例值的选取 | 第36-38页 |
| 4.3.2 相似邻居用户值的选取 | 第38-39页 |
| 4.3.3 聚类算法质心值的选取 | 第39-40页 |
| 4.4 SCW算法相似度公式改进的实验验证 | 第40-41页 |
| 4.5 SCW算法的有效性分析 | 第41-45页 |
| 4.5.1 平均绝对误差比较 | 第41-42页 |
| 4.5.2 推荐精确度比较 | 第42-43页 |
| 4.5.3 推荐效率比较 | 第43-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 课题总结 | 第47-48页 |
| 5.2 课题展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |