| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·论文研究背景 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究目标和主要工作 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 协同过滤推荐系统及常用算法 | 第11-18页 |
| ·推荐系统 | 第11页 |
| ·协同过滤工作原理 | 第11-12页 |
| ·协同过滤算法步骤 | 第12-14页 |
| ·协同过滤推荐算法 | 第14-16页 |
| ·协同过滤推荐算法分类 | 第14-15页 |
| ·基于用户的协同过滤推荐 | 第15-16页 |
| ·基于项的协同过滤推荐 | 第16页 |
| ·协同过滤推荐存在的问题 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 相似性度量方法在稀疏数据下的分析与比较 | 第18-28页 |
| ·常见相似性度量方法 | 第18-20页 |
| ·余弦相似性 | 第18-19页 |
| ·相关相似性 | 第19页 |
| ·调整的余弦相似性 | 第19-20页 |
| ·实例分析 | 第20-21页 |
| ·实验设计 | 第21-25页 |
| ·实验数据集 | 第21页 |
| ·实验度量标准 | 第21-22页 |
| ·实验步骤 | 第22页 |
| ·实验流程 | 第22-23页 |
| ·实验数据 | 第23-25页 |
| ·分析与结论 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于项目均值加权预测的协同过滤推荐算法 | 第28-37页 |
| ·基于项目评分预测的协同过滤推荐算法 | 第28-30页 |
| ·基于项目均值加权的改进算法 | 第30-32页 |
| ·改进思想 | 第30-32页 |
| ·改进算法描述 | 第32页 |
| ·实验设计 | 第32-34页 |
| ·分析与结论 | 第34-36页 |
| ·权值β对预测误差的影响 | 第34-35页 |
| ·确定最佳系数后的算法比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 改进的基于 K-mcans聚类的协同过滤推荐算法 | 第37-46页 |
| ·聚类问题描述 | 第37页 |
| ·K-means聚类算法 | 第37-38页 |
| ·基于聚类的协同过滤推荐框架 | 第38-39页 |
| ·离线用户空间聚类 | 第38页 |
| ·在线推荐 | 第38-39页 |
| ·改进的基于 K-means的GKCF聚类算法 | 第39-42页 |
| ·改进聚类算法思想 | 第39-41页 |
| ·GKCF聚类算法实现步骤 | 第41-42页 |
| ·实验设计与测试 | 第42-45页 |
| ·相似度度量方法比较 | 第42-44页 |
| ·与基本k-means聚类比较 | 第44页 |
| ·与user_based KNN比较 | 第44-45页 |
| ·分析与结论 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结和展望 | 第46-47页 |
| ·全文总结 | 第46页 |
| ·存在问题及今后的工作 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 硕士期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |