| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景与意义 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国外研究现状 | 第12-15页 |
| ·国内研究进展 | 第15-16页 |
| ·协同过滤技术存在的问题与挑战 | 第16-18页 |
| ·论文的基本内容和结构 | 第18-19页 |
| ·小结 | 第19-21页 |
| 第二章 相关概念与综述 | 第21-36页 |
| ·相关基本概念 | 第21-25页 |
| ·推荐技术及分类 | 第25-30页 |
| ·基于规则的推荐技术 | 第25-27页 |
| ·基于内容过滤的推荐技术 | 第27-28页 |
| ·协同过滤推荐技术 | 第28-30页 |
| ·协同过滤过滤算法及分类 | 第30-35页 |
| ·基于全局的协同过滤算法 | 第31-33页 |
| ·基于模型的协同过滤算法 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第三章 稀疏矩阵下的改进的协同过滤算法 | 第36-52页 |
| ·稀疏性问题 | 第36-38页 |
| ·现有解决方法 | 第38-40页 |
| ·改进的协同过滤算法 | 第40-44页 |
| ·改进策略及原理 | 第40-41页 |
| ·算法步骤 | 第41-44页 |
| ·实验分析 | 第44-51页 |
| ·数据集 | 第44-45页 |
| ·度量标准 | 第45页 |
| ·实验过程及分析 | 第45-51页 |
| ·小结 | 第51-52页 |
| 第四章 基于项目关键词预测与协同过滤的混合推荐算法 | 第52-68页 |
| ·冷启动问题 | 第52-54页 |
| ·现有解决方法 | 第54-56页 |
| ·基于项目关键词预测的协同过滤推荐算法及优化 | 第56-61页 |
| ·问题的界定 | 第56-57页 |
| ·基于关键词的项目表示 | 第57页 |
| ·基于项目关键词的预测 | 第57-59页 |
| ·问题分析与算法的优化 | 第59-60页 |
| ·基于协同过滤的预测 | 第60-61页 |
| ·实验分析 | 第61-67页 |
| ·Movielens数据集的实验结果与分析 | 第61-64页 |
| ·EachMovie数据集的实验结果与分析 | 第64-67页 |
| ·小结 | 第67-68页 |
| 第五章 基于信任的协同过滤算法 | 第68-85页 |
| ·相关工作 | 第68-72页 |
| ·相关研究进展 | 第68-69页 |
| ·信任的概念 | 第69-70页 |
| ·信任的特征 | 第70-72页 |
| ·信任的属性 | 第72页 |
| ·信任模型 | 第72-77页 |
| ·形式化的定义 | 第72-74页 |
| ·信任的两种模型的构建 | 第74-77页 |
| ·基于信任的协同过滤推荐算法 | 第77-79页 |
| ·相似度计算模块 | 第77-78页 |
| ·信任计算模块 | 第78-79页 |
| ·预测模块 | 第79页 |
| ·实验与分析 | 第79-84页 |
| ·信任的分布及分析 | 第80-82页 |
| ·基于信任的推荐算法实验结果与分析 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第六章 基于事例推理的推荐原型系统 | 第85-100页 |
| ·基于事例的推理的过程 | 第85-88页 |
| ·基于事例推理的推荐系统的框架模型 | 第88-92页 |
| ·原型推荐系统的实现框架——以电影推荐为例 | 第92-94页 |
| ·事例的表示方法 | 第92-93页 |
| ·事例检索 | 第93-94页 |
| ·事例的重用与修改 | 第94页 |
| ·事例的保留 | 第94页 |
| ·主要模块设计 | 第94-96页 |
| ·开发平台与工具 | 第96-97页 |
| ·主要运行界面 | 第97-99页 |
| ·本章小结 | 第99-100页 |
| 第七章 结论与展望 | 第100-103页 |
| ·本文的主要内容 | 第100页 |
| ·主要创新点 | 第100-101页 |
| ·进一步的研究工作 | 第101-103页 |
| 参考文献 | 第103-108页 |
| 附录A 部分算法程序 | 第108-112页 |
| 攻读博士学位期间发表学术论文情况 | 第112-113页 |
| 致谢 | 第113-114页 |