| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 个性化推荐算法的研究现状 | 第11-13页 |
| 1.2.2 聚类算法的研究现状 | 第13-14页 |
| 1.3 本文研究内容和组织结构 | 第14-17页 |
| 1.3.1 本文研究内容及创新点 | 第14-15页 |
| 1.3.2 组织结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-30页 |
| 2.1 常见的个性化推荐算法 | 第17-19页 |
| 2.1.1 基于内容的推荐 | 第17页 |
| 2.1.2 协同过滤算法 | 第17-18页 |
| 2.1.3 基于知识推荐 | 第18页 |
| 2.1.4 基于网络推荐 | 第18-19页 |
| 2.1.5 混合推荐 | 第19页 |
| 2.2 二分图算法介绍 | 第19-23页 |
| 2.2.1 二分图网络 | 第19-20页 |
| 2.2.2 二分图推荐算法 | 第20-23页 |
| 2.3 K-Medoids算法 | 第23-25页 |
| 2.4 SimRank算法 | 第25页 |
| 2.5 常用测试方法 | 第25-26页 |
| 2.5.1 数据集划分 | 第25-26页 |
| 2.5.2 测试方式 | 第26页 |
| 2.6 常用推荐评价指标 | 第26-27页 |
| 2.6.1 准确性指标 | 第26-27页 |
| 2.6.2 多样性指标 | 第27页 |
| 2.7 数据集介绍 | 第27-28页 |
| 2.7.1 MovieLens数据集 | 第27-28页 |
| 2.7.2 阿里数据集 | 第28页 |
| 2.8 本章小结 | 第28-30页 |
| 第三章 一种改进基于加权二分图个性化推荐算法 | 第30-42页 |
| 3.1 模型提出 | 第30-31页 |
| 3.2 模型分析 | 第31-35页 |
| 3.2.1 时间策略 | 第31-32页 |
| 3.2.2 频率策略 | 第32-33页 |
| 3.2.3 权重组合 | 第33-34页 |
| 3.2.4 算法表述 | 第34-35页 |
| 3.2.5 算法复杂度分析 | 第35页 |
| 3.3 实验结果分析 | 第35-41页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 权重策略选择 | 第35-37页 |
| 3.3.3 实验结果评价 | 第37-40页 |
| 3.3.4 算法运行效率测试 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于聚类后的加权二分图个性化推荐 | 第42-54页 |
| 4.1 模型提出 | 第42-46页 |
| 4.1.1 聚类后加权二分图模型 | 第42-44页 |
| 4.1.2 SimRank算法解决KWNBI新用户加入问题 | 第44-46页 |
| 4.2 模型分析 | 第46-48页 |
| 4.2.1 算法描述 | 第46-47页 |
| 4.2.2 算法复杂度分析 | 第47-48页 |
| 4.3 实验结果分析 | 第48-53页 |
| 4.3.1 实验环境 | 第48-49页 |
| 4.3.2 K值选择 | 第49-50页 |
| 4.3.3 实验结果评价 | 第50-52页 |
| 4.3.4 算法运行效率测试 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于二分图个性化推荐算法实际应用 | 第54-60页 |
| 5.1 推荐系统简介 | 第54-55页 |
| 5.2 基于加权二分图的个性化推荐模块 | 第55-57页 |
| 5.2.1 推荐系统数据库设计 | 第55-56页 |
| 5.2.2 推荐系统结果展示 | 第56-57页 |
| 5.3 基于聚类后加权二分图的个性化推荐模块 | 第57-59页 |
| 5.3.1 推荐系统数据库设计 | 第57-58页 |
| 5.3.2 推荐系统结果展示 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表论文情况 | 第68页 |