| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景和研究意义 | 第11-14页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 传统协同过滤推荐算法及其评价方法研究 | 第18-35页 |
| 2.1 传统的协同过滤推荐算法 | 第18-28页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第18-23页 |
| 2.1.2 基于项目的协同过滤推荐算法 | 第23-28页 |
| 2.2 主要的相似度计算方法 | 第28-31页 |
| 2.2.1 余弦相似度 | 第28-29页 |
| 2.2.2 皮尔逊相似度 | 第29-30页 |
| 2.2.3 修正余弦相似度 | 第30页 |
| 2.2.4 杰卡德相似度 | 第30-31页 |
| 2.3 推荐算法评价 | 第31-33页 |
| 2.3.1 评分预测的评价 | 第31-32页 |
| 2.3.2 Top-N的评价 | 第32-33页 |
| 2.4 推荐算法面临的主要挑战 | 第33-34页 |
| 2.5 小结 | 第34-35页 |
| 第3章 基于情境上下文和社交网络的协同过滤推荐算法 | 第35-47页 |
| 3.1 基于情境上下文的推荐算法 | 第35-40页 |
| 3.1.1 时间上下文 | 第36-38页 |
| 3.1.2 地点上下文 | 第38-39页 |
| 3.1.3 基于时间、地点上下文的推荐算法 | 第39-40页 |
| 3.2 基于社交网络的推荐算法 | 第40-43页 |
| 3.2.1 社交网络和推荐系统 | 第40-41页 |
| 3.2.2 社交网络的表示 | 第41-42页 |
| 3.2.3 基于社交网络的推荐算法 | 第42-43页 |
| 3.3 基于情境上下文和社交网络的推荐算法 | 第43-45页 |
| 3.3.1 基于时间上下文和社交网络的推荐算法 | 第43-45页 |
| 3.3.2 基于时间、地点上下文和社交网络的推荐算法 | 第45页 |
| 3.4 小结 | 第45-47页 |
| 第4章 实验与结果分析 | 第47-58页 |
| 4.1 数据集选取 | 第47-48页 |
| 4.2 实验设计 | 第48-51页 |
| 4.2.1 实验环境 | 第48-49页 |
| 4.2.2 数据预处理 | 第49-50页 |
| 4.2.3 实验对比的各种算法 | 第50-51页 |
| 4.3 实验结果分析 | 第51-57页 |
| 4.3.1 参数取值的确定 | 第51-53页 |
| 4.3.2 实验结果 | 第53-54页 |
| 4.3.3 实验结果对比分析 | 第54-57页 |
| 4.4 小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |