| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16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 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 相关理论与技术 | 第16-26页 |
| 2.1 推荐系统 | 第16-19页 |
| 2.1.1 相关概念 | 第16-17页 |
| 2.1.2 推荐系统的应用 | 第17-19页 |
| 2.2 推荐算法 | 第19-24页 |
| 2.2.1 推荐算法的分类 | 第20-21页 |
| 2.2.2 协同过滤推荐算法 | 第21-24页 |
| 2.3 引入时间衰减的必要性 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 相似性度量方法的改进 | 第26-36页 |
| 3.1 相似性度量方法 | 第26-28页 |
| 3.2 相似性的时间衰减 | 第28-31页 |
| 3.2.1 时效性的意义 | 第29页 |
| 3.2.2 融入时间衰减因子的相似性计算 | 第29-31页 |
| 3.3 相似度权重因子 | 第31-32页 |
| 3.4 加入占有度权重的相似性计算策略 | 第32-34页 |
| 3.4.1 简单加权策略 | 第32-33页 |
| 3.4.2 高斯加权策略 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 融合频繁度的时间遗忘协同过滤方法 | 第36-43页 |
| 4.1 评分预测的基准方法 | 第37-38页 |
| 4.2 频繁度支持因子 | 第38-40页 |
| 4.3 混合推荐方法 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 实验与结果分析 | 第43-52页 |
| 5.1 实验环境配置和数据集 | 第43-45页 |
| 5.1.1 实验环境配置 | 第43-44页 |
| 5.1.2 实验数据集 | 第44-45页 |
| 5.2 实验结果评价指标 | 第45页 |
| 5.3 实验内容 | 第45-46页 |
| 5.4 对比实验与分析 | 第46-51页 |
| 5.4.1 占有度高斯加权相似性与PCS相似性的比较 | 第46-48页 |
| 5.4.2 加入时间因子相似性和Pearson相似方法比较 | 第48-49页 |
| 5.4.3 通过频繁度形成的混合算法与传统协同过滤算法性能比较 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
