| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 推荐系统的国内外研究现状 | 第13-15页 |
| 1.2.2 协同过滤算法的国内外研究现状 | 第15-16页 |
| 1.2.3 协同过滤算法存在的主要问题 | 第16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 相关技术综述 | 第19-35页 |
| 2.1 个性化推荐系统 | 第19-22页 |
| 2.1.1 个性化推荐系统定义 | 第19-20页 |
| 2.1.2 个性化推荐系统架构 | 第20-22页 |
| 2.2 主要推荐算法 | 第22-31页 |
| 2.2.1 协同过滤推荐算法 | 第23-27页 |
| 2.2.1.1 基于邻居集的协同过滤推荐算法 | 第24-27页 |
| 2.2.1.2 基于模型的协同过滤推荐算法 | 第27页 |
| 2.2.2 基于规则的推荐算法 | 第27-28页 |
| 2.2.3 基于内容的推荐算法 | 第28-29页 |
| 2.2.4 混合推荐算法 | 第29-31页 |
| 2.3 推荐系统的评测指标 | 第31-32页 |
| 2.4 主要聚类算法 | 第32-34页 |
| 2.4.1 k-means聚类算法 | 第32-33页 |
| 2.4.2 层次聚类算法 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 用户特征模型与项目属性模型的设计 | 第35-44页 |
| 3.1 用户特征模型的表示 | 第35-37页 |
| 3.2 用户特征模型的设计 | 第37-38页 |
| 3.3 项目属性模型的设计 | 第38-40页 |
| 3.4 用户评分矩阵的建立与更新 | 第40-43页 |
| 3.4.1 用户评分矩阵的建立 | 第40-41页 |
| 3.4.2 用户评分矩阵的更新 | 第41-43页 |
| 3.4.3 时间复杂度分析 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 融合用户评分和项目属性的协同过滤推荐算法 | 第44-62页 |
| 4.1 传统相似性计算方法的局限性 | 第44-45页 |
| 4.2 融合用户评分和项目属性的协同过滤推荐算法 | 第45-53页 |
| 4.2.1 算法的出发点 | 第45-46页 |
| 4.2.2 算法的基本思想 | 第46-47页 |
| 4.2.3 算法的分析 | 第47-50页 |
| 4.2.3.1 基于用户评分的相似性计算方法 | 第47-49页 |
| 4.2.3.2 基于项目属性的相似性计算方法 | 第49-50页 |
| 4.2.3.3 融合用户评分和项目属性的相似性计算方法 | 第50页 |
| 4.2.4 算法的设计 | 第50-52页 |
| 4.2.5 时间复杂度分析 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-61页 |
| 4.3.1 实验环境 | 第53页 |
| 4.3.2 实验数据 | 第53-54页 |
| 4.3.3 评测指标 | 第54-55页 |
| 4.3.4 实验分析 | 第55-61页 |
| 4.3.4.1 相似性计算方法的比较 | 第55-59页 |
| 4.3.4.2 推荐算法推荐质量的比较 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间完成的主要成果 | 第70页 |