| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 引言 | 第9-15页 |
| 1．1 研究背景 | 第9-13页 |
| 1．1．1 个性化推荐系统的研究背景 | 第9-10页 |
| 1．1．2 推荐系统的发展及研究现状 | 第10-12页 |
| 1．1．3 推荐系统分类简介 | 第12-13页 |
| 1．2 推荐系统面临的主要挑战 | 第13页 |
| 1．3 本文的主要研究内容 | 第13-14页 |
| 1．4 本文的组织 | 第14-15页 |
| 第二章 推荐系统 | 第15-24页 |
| 2．1 推荐系统的研究内容 | 第15-16页 |
| 2．2 基于规则的推荐系统 | 第16-17页 |
| 2．2．1 基于规则的推荐算法 | 第16-17页 |
| 2．2．2 基于规则的推荐系统算法的优缺点分析 | 第17页 |
| 2．3 协同过滤推荐系统 | 第17-21页 |
| 2．3．1 协同过滤算法 | 第17-20页 |
| 2．3．2 协同过滤算法的优缺点分析 | 第20-21页 |
| 2．4 基于内容推荐的系统 | 第21-24页 |
| 2．4．1 基于内容的推荐算法 | 第21-22页 |
| 2．4．2 基于内容的推荐算法的优缺点分析 | 第22-24页 |
| 第三章 结合内容预测和 ITEM-BASED过滤的推荐算法 | 第24-32页 |
| 3．1 item-based协同过滤算法 | 第24-26页 |
| 3．1．1 最近邻查询 | 第24-25页 |
| 3．1．2 top-N推荐产生 | 第25-26页 |
| 3．1．3 协同式过滤结果分析 | 第26页 |
| 3．1．4 协同式推荐优缺点分析 | 第26页 |
| 3．2 基于内容预测和item-based过滤的推荐算法 | 第26-30页 |
| 3．2．1 基于语义的文档相似度计算 | 第27-28页 |
| 3．2．2 得出基于内容的预测值 | 第28-29页 |
| 3．2．3 item-based协同过滤 | 第29-30页 |
| 3．3 算法分析 | 第30-32页 |
| 第四章 文档推荐系统 | 第32-45页 |
| 4．1 文档推荐系统的体系结构 | 第32-34页 |
| 4．1．1 推荐系统的一般工作流程 | 第32-34页 |
| 4．1．2 文档推荐系统的体系结构 | 第34页 |
| 4．2 数据采集 | 第34-35页 |
| 4．3 数据处理和分析 | 第35-40页 |
| 4．3．1 数据仓库内容 | 第36-38页 |
| 4．3．2 数据预处理 | 第38-40页 |
| 4．4 用户评价反馈处理 | 第40页 |
| 4．5 核心工作-应用组合推荐引擎产生推荐 | 第40-45页 |
| 4．5．1 基于内容的推荐生成 | 第41页 |
| 4．5．2 传统的协同过滤生成 | 第41-43页 |
| 4．5．3 item-based协同过滤推荐生成 | 第43-45页 |
| 第五章 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间发表的学术论文目录 | 第50-51页 |
| 学位论文评阅及答辩情况表 | 第51页 |