| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 协同过滤推荐技术研究现状 | 第15-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第二章 协同过滤推荐算法和粒子群聚类算法综述 | 第19-24页 |
| 2.1 协同过滤推荐算法 | 第19-21页 |
| 2.2 粒子群聚类算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于用户偏好PSO+K-means聚类的协同过滤推荐算法研究 | 第24-33页 |
| 3.1 用户偏好模型及相似性 | 第24-25页 |
| 3.2 基于用户偏好PSO+K-means聚类 | 第25-27页 |
| 3.3 基于用户偏好PSO+K-means聚类的最近邻居查询 | 第27-28页 |
| 3.4 与基于用户偏好K-means聚类的协同过滤推荐算法对比分析 | 第28-32页 |
| 3.4.1 仿真实验环境介绍 | 第28-29页 |
| 3.4.2 对比分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于用户综合信息PSO+K-means聚类的协同过滤推荐算法研究 | 第33-43页 |
| 4.1 用户特征相似性 | 第33-35页 |
| 4.2 用户综合相似性 | 第35页 |
| 4.3 基于用户综合相似性的PSO+K-means聚类 | 第35-37页 |
| 4.4 基于用户综合相似性聚类的最近邻居查询 | 第37-38页 |
| 4.5 仿真实验与分析 | 第38-42页 |
| 4.5.1 不同用户特征权重下算法的对比分析 | 第38-40页 |
| 4.5.2 与User-based PSO+K-means CF算法对比分析 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 基于用户综合信息的推荐系统设计与实现 | 第43-51页 |
| 5.1 系统简介 | 第43-44页 |
| 5.2 系统设计 | 第44-46页 |
| 5.2.1 数据库设计 | 第44-45页 |
| 5.2.2 功能设计 | 第45-46页 |
| 5.3 系统实现 | 第46-50页 |
| 5.3.1 用户评分功能实现 | 第46-47页 |
| 5.3.2 电影推荐功能实现 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |
