| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 推荐系统概要介绍 | 第13-14页 |
| 1.2.1 协同过滤系统 | 第13页 |
| 1.2.2 基于内容的推荐系统 | 第13-14页 |
| 1.2.3 基于网络结构的推荐系统 | 第14页 |
| 1.3 国内外研究现状与分析 | 第14-17页 |
| 1.3.1 主要研究方向 | 第15页 |
| 1.3.2 应用实例 | 第15-17页 |
| 1.4 本文的主要工作 | 第17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 1.6 小结 | 第18-19页 |
| 第二章 教学资源库系统架构 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 系统架构概述 | 第19-20页 |
| 2.3 系统结构体系 | 第20-21页 |
| 2.4 系统工作流程 | 第21-22页 |
| 2.5 用户数据采集 | 第22-24页 |
| 2.5.1 用户注册信息采集 | 第22-23页 |
| 2.5.2 用户评价信息采集 | 第23页 |
| 2.5.3 采集信息关联 | 第23-24页 |
| 2.6 小结 | 第24-25页 |
| 第三章 混合推荐中关键技术介绍 | 第25-40页 |
| 3.1 相关问题定义 | 第25-26页 |
| 3.1.1 混合推荐技术 | 第25页 |
| 3.1.2 新用户推荐问题 | 第25页 |
| 3.1.3 用户评价信息稀疏的问题 | 第25-26页 |
| 3.2 协同过滤推荐 | 第26-32页 |
| 3.2.1 协同过滤技术的定义 | 第26-27页 |
| 3.2.2 协同过滤的原则与优点 | 第27-28页 |
| 3.2.3 协同过滤推荐算法分析 | 第28-31页 |
| 3.2.4 面临的挑战与对策 | 第31-32页 |
| 3.3 基于人口统计信息的推荐 | 第32-38页 |
| 3.3.1 人口统计信息的定义 | 第32-33页 |
| 3.3.2 人口统计信息的使用价值 | 第33页 |
| 3.3.3 人口统计信息参与推荐的形式 | 第33-34页 |
| 3.3.4 用户聚类的算法分析 | 第34-37页 |
| 3.3.5 基于人口统计信息推荐的不足 | 第37-38页 |
| 3.4 用户的复合相似度 | 第38页 |
| 3.4.1 复合相似度的提出与定义 | 第38页 |
| 3.4.2 复合相似度的计算 | 第38页 |
| 3.5 小结 | 第38-40页 |
| 第四章 个性化资源推荐模型的设计与实现 | 第40-54页 |
| 4.1 模型的体系结构 | 第40-42页 |
| 4.1.1 模型框架 | 第40-41页 |
| 4.1.2 功能层次 | 第41-42页 |
| 4.2 模型的工作流程 | 第42-43页 |
| 4.3 模型的开发环境 | 第43页 |
| 4.4 数据处理模块 | 第43-46页 |
| 4.4.1 数据抽取与转换 | 第43-44页 |
| 4.4.2 数据补录 | 第44页 |
| 4.4.3 数据降维 | 第44-46页 |
| 4.4.4 数据标准化 | 第46页 |
| 4.5 推荐算法模块 | 第46-50页 |
| 4.5.1 基于人口统计信息的用户聚类 | 第47-49页 |
| 4.5.2 用户兴趣相似度的计算 | 第49页 |
| 4.5.3 用户复合相似度的计算 | 第49页 |
| 4.5.4 用户预测评分的计算 | 第49-50页 |
| 4.6 资源过滤模块 | 第50-52页 |
| 4.7 模型配置模块 | 第52-53页 |
| 4.8 小结 | 第53-54页 |
| 第五章 实验设计与结果分析 | 第54-64页 |
| 5.1 对照实验系统设计 | 第54-55页 |
| 5.1.1 基于用户聚类的对照实验系统 | 第54-55页 |
| 5.1.2 基于传统协同过滤的对照实验系统 | 第55页 |
| 5.2 实验设计 | 第55-57页 |
| 5.2.1 实验介绍 | 第55页 |
| 5.2.2 实验数据介绍 | 第55-56页 |
| 5.2.3 实验设计 | 第56-57页 |
| 5.3 评价标准 | 第57-59页 |
| 5.3.1 平均绝对误差（Mean Abosulute Error，MAE） | 第57-58页 |
| 5.3.2 准确率（Precision）与召回率（Recall） | 第58-59页 |
| 5.4 结果分析 | 第59-62页 |
| 5.4.1 推荐模型整体推荐质量的结果分析 | 第59-60页 |
| 5.4.2 新用户推荐质量的结果分析 | 第60-61页 |
| 5.4.3 评分稀疏用户推荐质量的结果分析 | 第61-62页 |
| 5.4.4 模型训练效率的结果分析 | 第62页 |
| 5.5 小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 本文的创新点与主要工作 | 第64-65页 |
| 6.2 后续工作与研究展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的学术论文及参与的项目 | 第74-76页 |