| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景意义 | 第10-11页 |
| ·国内外研究动态与现状 | 第11-14页 |
| ·存在的问题与挑战 | 第14-15页 |
| ·主要研究内容和实验设计方案 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 个性化推荐系统及其相关技术 | 第18-32页 |
| ·个性化推荐系统 | 第18-22页 |
| ·个性化推荐系统概述 | 第18-20页 |
| ·个性化推荐系统类型 | 第20-21页 |
| ·推荐系统的结构框架与工作流程 | 第21-22页 |
| ·个性化推荐技术 | 第22-27页 |
| ·协同过滤推荐算法 | 第23-24页 |
| ·其他个性化推荐方法 | 第24-27页 |
| ·其他相关辅助技术 | 第27-30页 |
| ·信息检索与信息过滤 | 第27-28页 |
| ·数据挖掘、K-Means聚类 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于特征属性和时间权限的协同过滤推荐算法 | 第32-42页 |
| ·传统协同过滤推荐 | 第32-36页 |
| ·基于用户的协同过滤 | 第32-34页 |
| ·基于项目的协同过滤 | 第34-35页 |
| ·协同过滤的优劣分析 | 第35-36页 |
| ·改进的算法设计方案论述 | 第36-39页 |
| ·基于属性相关的项目相似性 | 第37页 |
| ·基于特征相关的用户相似性 | 第37-38页 |
| ·初始项目预测评分 | 第38-39页 |
| ·最终用户预测评分 | 第39页 |
| ·CFCATW算法实现流程 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 融合聚类和协同过滤的个性化推荐算法 | 第42-52页 |
| ·传统基于聚类的协同过滤分析 | 第42-43页 |
| ·优化的算法设计思想论述 | 第43-48页 |
| ·用户特征、项目属性相似性 | 第43-44页 |
| ·基于Anti-Kruskal的K-Means聚类算法 | 第44-46页 |
| ·初始项目聚簇预测评分 | 第46-47页 |
| ·最终用户聚簇预测评分 | 第47-48页 |
| ·PRICCF算法实现流程 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 预测准确率实验分析、计算速率分析 | 第52-66页 |
| ·实验环境与数据集 | 第52-54页 |
| ·实验环境、实验数据集 | 第52-53页 |
| ·数据预处理 | 第53-54页 |
| ·实验评价标准 | 第54-56页 |
| ·实验方案设计与结果分析 | 第56-63页 |
| ·三种相似性分布及其MAE影响 | 第56-58页 |
| ·最近邻居查找效率 | 第58-60页 |
| ·改进算法与传统算法的MAE比较 | 第60-61页 |
| ·Precision、Recall比较 | 第61-63页 |
| ·计算速率分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-70页 |
| ·论文所做工作总结 | 第66-67页 |
| ·存在的问题及未来展望 | 第67-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 攻读硕士学位期间发表的学术论文情况 | 第76页 |