| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 缩略语列表 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 个性化推荐研究现状 | 第13-14页 |
| 1.2.2 组推荐研究现状 | 第14-15页 |
| 1.3 论文主要工作和组织结构 | 第15-18页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 组织结构 | 第16-18页 |
| 第2章 相关技术研究 | 第18-27页 |
| 2.1 个性化推荐技术 | 第18-22页 |
| 2.1.1 个性化推荐概述 | 第18页 |
| 2.1.2 常用的个性化推荐算法 | 第18-22页 |
| 2.2 组推荐技术 | 第22-26页 |
| 2.2.1 组推荐概述 | 第22-23页 |
| 2.2.2 组推荐关键技术 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于项目占比因子和时间衰减的协同过滤推荐算法 | 第27-46页 |
| 3.1 研究动机 | 第27页 |
| 3.2 协同过滤推荐算法 | 第27-30页 |
| 3.2.1 用户相似度 | 第27-29页 |
| 3.2.2 最近邻居选择 | 第29-30页 |
| 3.2.3 评分预测 | 第30页 |
| 3.3 基于项目占比因子和时间衰减的协同过滤推荐算法 | 第30-35页 |
| 3.3.1 基于项目占比因子的用户相似度计算 | 第31-33页 |
| 3.3.2 基于时间衰减的评分预测方法 | 第33-34页 |
| 3.3.3 算法流程 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-45页 |
| 3.4.1 实验数据集 | 第35-36页 |
| 3.4.2 实验1:预测评分准确性比较 | 第36-41页 |
| 3.4.3 实验2:Top_N项目推荐质量比较 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于项目占比因子和群组贡献度的组推荐算法 | 第46-60页 |
| 4.1 研究动机 | 第46-47页 |
| 4.2 算法流程 | 第47-48页 |
| 4.3 基于项目占比因子和群组贡献度的组推荐算法 | 第48-54页 |
| 4.3.1 信息预处理 | 第48-51页 |
| 4.3.2 群组发现方法 | 第51页 |
| 4.3.3 组内用户偏好预测 | 第51-52页 |
| 4.3.4 基于群组贡献度的偏好融合过程 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.4.1 实验数据集 | 第54-55页 |
| 4.4.2 评价指标 | 第55页 |
| 4.4.3 实验1:用户特征个数及种类对算法的影响 | 第55-56页 |
| 4.4.4 实验2:群组个数对算法的影响 | 第56-57页 |
| 4.4.5 实验3:组推荐算法对比实验 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 总结 | 第60页 |
| 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66页 |
