| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 推荐系统研究与应用现状 | 第13-14页 |
| 1.2.2 推荐算法研究现状 | 第14-16页 |
| 1.3 论文研究内容及主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 推荐系统相关理论技术 | 第19-35页 |
| 2.1 个性化推荐系统简介 | 第19-21页 |
| 2.2 常见推荐算法 | 第21-25页 |
| 2.2.1 基于内容的推荐 | 第21-22页 |
| 2.2.2 基于人口统计推荐 | 第22-23页 |
| 2.2.3 基于关联规则推荐 | 第23-24页 |
| 2.2.4 基于社交网络推荐 | 第24页 |
| 2.2.5 混合推荐算法 | 第24-25页 |
| 2.3 协同过滤推荐算法 | 第25-32页 |
| 2.3.1 用户评分矩阵 | 第25-27页 |
| 2.3.2 基于用户的协同过滤 | 第27-30页 |
| 2.3.3 基于项目的协同过滤 | 第30-31页 |
| 2.3.4 基于模型的协同过滤 | 第31-32页 |
| 2.4 推荐算法的比较 | 第32-33页 |
| 2.5 推荐算法评价指标 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 用户多兴趣问题及用户信任度建模 | 第35-41页 |
| 3.1 多兴趣模型问题 | 第35-36页 |
| 3.2 用户信任度 | 第36-40页 |
| 3.2.1 系统级用户信任度 | 第36-37页 |
| 3.2.2 项目级用户信任度 | 第37-38页 |
| 3.2.3 用户级用户信任度 | 第38-39页 |
| 3.2.4 基于特定用户和特定项目的用户信任度 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于项目属性偏好和信任度的多兴趣推荐算法 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 算法思路 | 第41-42页 |
| 4.3 用户-项目属性偏好矩阵的构建 | 第42-46页 |
| 4.3.1 构建用户-项目属性偏好矩阵 | 第42-44页 |
| 4.3.2 用户偏好矩阵缓解稀疏性 | 第44-46页 |
| 4.4 用户近邻选择 | 第46-47页 |
| 4.5 预测评分与推荐 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 基于时间和社会化标签聚类的协同过滤 | 第49-60页 |
| 5.1 引言 | 第49页 |
| 5.2 社会化标签系统 | 第49-50页 |
| 5.3 基于时间和社会化标签聚类的协同过滤 | 第50-57页 |
| 5.3.1 标签聚类 | 第51-54页 |
| 5.3.2 构建用户-标签类别偏好矩阵 | 第54-55页 |
| 5.3.3 时间权重函数 | 第55-57页 |
| 5.4 算法详细描述 | 第57页 |
| 5.5 PIATD算法和TSTC算法的混合协同过滤 | 第57-58页 |
| 5.6 算法分析 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 实验与结果分析 | 第60-78页 |
| 6.1 实验数据集与环境 | 第60-62页 |
| 6.1.1 实验数据集 | 第60-62页 |
| 6.1.2 实验环境 | 第62页 |
| 6.2 实验评价指标 | 第62-63页 |
| 6.3 实验方案与结果分析 | 第63-77页 |
| 6.3.1 PIATD算法分析 | 第63-70页 |
| 6.3.2 TSTC算法分析 | 第70-74页 |
| 6.3.3 PIAST算法分析 | 第74-77页 |
| 6.4 本章小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附件 | 第88页 |