| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 协同过滤推荐算法中的关键算法 | 第15-26页 |
| 2.1 基于邻域的协同过滤推荐算法 | 第15-20页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第15-17页 |
| 2.1.2 基于项目的协同过滤推荐算法 | 第17-18页 |
| 2.1.3 基于用户与基于项目的协同过滤推荐算法比较 | 第18-20页 |
| 2.2 基于模型的协同过滤推荐算法 | 第20-25页 |
| 2.2.1 原始SVD矩阵分解模型 | 第20-22页 |
| 2.2.2 LFM隐语义模型 | 第22-24页 |
| 2.2.3 Bias SVD矩阵分解模型 | 第24-25页 |
| 2.2.4 SVD++矩阵分解模型 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 协同过滤邻域生成方法研究 | 第26-32页 |
| 3.1 欧几里得距离 | 第26-27页 |
| 3.2 曼哈顿距离 | 第27-28页 |
| 3.3 向量空间余弦相似度 | 第28-29页 |
| 3.4 杰卡德系数 | 第29-30页 |
| 3.5 皮尔逊相关系数 | 第30-31页 |
| 3.6 各邻域生成方法简单比较 | 第31页 |
| 3.7 本章小结 | 第31-32页 |
| 4 基于评分贡献的协同过滤推荐算法 | 第32-40页 |
| 4.1 概述 | 第32页 |
| 4.2 评分贡献系数 | 第32-33页 |
| 4.3 分离式数据稀疏处理 | 第33页 |
| 4.4 贡献系数距离度量算法合理性证明 | 第33-35页 |
| 4.5 基于评分贡献的推荐算法 | 第35-39页 |
| 4.5.1 基本思想 | 第35页 |
| 4.5.2 算法的主要描述 | 第35-36页 |
| 4.5.3 算法的具体步骤 | 第36-39页 |
| 4.6 本章小结 | 第39-40页 |
| 5 实验分析 | 第40-50页 |
| 5.1 实验数据集 | 第40页 |
| 5.2 实验环境 | 第40页 |
| 5.3 评测标准 | 第40-44页 |
| 5.4 实验设计 | 第44页 |
| 5.5 实验分析 | 第44-49页 |
| 5.6 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 结论 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-56页 |
| 致谢 | 第56页 |