| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景及其意义 | 第11页 |
| 1.2 发展历史与研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 论文架构 | 第13-15页 |
| 2 个性化推荐相关技术介绍 | 第15-29页 |
| 2.1 主要推荐技术 | 第15-19页 |
| 2.1.1 推荐技术概述 | 第15-16页 |
| 2.1.2 推荐技术的分类与介绍 | 第16-19页 |
| 2.2 协同过滤推荐算法 | 第19-28页 |
| 2.2.1 协同过滤推荐算法的分类 | 第20-22页 |
| 2.2.2 协同过滤推荐算法的实现 | 第22-25页 |
| 2.2.3 协同过滤算法的评价标准 | 第25-26页 |
| 2.2.4 传统的协同过滤推荐算法的优缺点 | 第26-27页 |
| 2.2.5 目前协同过滤推荐算法的主要改进 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 分步筛选邻居的协同过滤改进算法 | 第29-39页 |
| 3.1 问题的提出 | 第29-30页 |
| 3.1.1 准确度问题与相似用户问题的提出 | 第29-30页 |
| 3.1.2 本文解决准确性问题的思路 | 第30页 |
| 3.2 分步筛选邻居模块 | 第30-34页 |
| 3.2.1 筛选步骤 1：Pearson相关系数法 | 第30页 |
| 3.2.2 筛选步骤 2：用户特征值 | 第30-32页 |
| 3.2.3 筛选步骤 3：项目优先集 | 第32-34页 |
| 3.3 预测评分模块 | 第34页 |
| 3.4 分步筛选邻居的协同过滤改进算法（SSN-CF） | 第34-37页 |
| 3.4.1 算法描述 | 第34-36页 |
| 3.4.2 算法实现图 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 4 基于用户兴趣更新的协同过滤改进算法 | 第39-49页 |
| 4.1 问题的提出 | 第39-40页 |
| 4.1.1 实时性问题的提出与现阶段解决方法 | 第39-40页 |
| 4.1.2 本文解决实时性问题的思路 | 第40页 |
| 4.2 筛选邻居模块 1：短期兴趣实时模块 | 第40-41页 |
| 4.3 筛选邻居模块 2：长期兴趣挖掘模块 | 第41-43页 |
| 4.4 预测评分模块 | 第43-44页 |
| 4.5 基于用户兴趣更新的协同过滤改进算法（UIU-CF） | 第44-47页 |
| 4.5.1 算法描述 | 第44-46页 |
| 4.5.2 算法实现图 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 5 实验与结果分析 | 第49-61页 |
| 5.1 数据集介绍 | 第49页 |
| 5.2 设计实验与结果分析 | 第49-59页 |
| 5.2.1 实验准备 | 第49-50页 |
| 5.2.2 实验设计与结果分析 | 第50-59页 |
| 5.3 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 进一步工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在攻读硕士学位期间发表的成果与参与的项目 | 第67-69页 |
| 致谢 | 第69页 |
