| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状与问题分析 | 第15-20页 |
| 1.3 研究内容 | 第20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第二章 推荐系统与聚类算法概述 | 第22-33页 |
| 2.1 推荐系统及其主要方法介绍 | 第22-27页 |
| 2.1.1 协同过滤推荐算法 | 第23-25页 |
| 2.1.2 基于内容的推荐方法 | 第25页 |
| 2.1.3 基于社交网络的推荐方法 | 第25-26页 |
| 2.1.4 基于知识的推荐 | 第26页 |
| 2.1.5 混合式推荐方法 | 第26-27页 |
| 2.2 推荐系统评价指标 | 第27-29页 |
| 2.2.1 推荐准确度 | 第27-28页 |
| 2.2.2 推荐多样性 | 第28-29页 |
| 2.3 聚类技术介绍 | 第29-32页 |
| 2.3.1 聚类分析概述 | 第29-30页 |
| 2.3.2 聚类算法分类 | 第30页 |
| 2.3.3 聚类分析中的数据类型 | 第30-31页 |
| 2.3.4 聚类相异度 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 一种改进的K-prototypes聚类算法 | 第33-45页 |
| 3.1 K-prototypes算法 | 第33-36页 |
| 3.1.1 K-prototypes算法相关定义 | 第33-35页 |
| 3.1.2 K-prototypes算法步骤 | 第35-36页 |
| 3.2 K-prototypes算法距离测算公式的改进及其流程 | 第36-40页 |
| 3.2.1 K-prototypes算法的距离测算公式改进 | 第36-38页 |
| 3.2.2 算法思想 | 第38-39页 |
| 3.2.3 算法描述及其步骤 | 第39-40页 |
| 3.3 实验结果及分析 | 第40-44页 |
| 3.3.1 实验验证 | 第40-42页 |
| 3.3.2 综合分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于改进的K-prototypes算法的云服务多样性推荐 | 第45-53页 |
| 4.1 考虑多样性的推荐算法 | 第45-47页 |
| 4.2 一种考虑多样性的云服务推荐算法 | 第47-49页 |
| 4.2.1 算法思想 | 第47-48页 |
| 4.2.2 算法流程 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
