| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 个性化推荐系统 | 第14-25页 |
| 2.1 个性化推荐系统概述 | 第14-15页 |
| 2.2 个性化推荐算法 | 第15-20页 |
| 2.2.1 协同过滤推荐 | 第16-17页 |
| 2.2.2 基于内容的推荐 | 第17-19页 |
| 2.2.3 基于关联规则的推荐 | 第19页 |
| 2.2.4 混合推荐 | 第19-20页 |
| 2.2.5 基于社会网络的推荐 | 第20页 |
| 2.3 推荐系统评测 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 评论分析与协同过滤推荐算法研究 | 第25-36页 |
| 3.1 用户评论分析 | 第25-29页 |
| 3.1.1 用户评论特点研究 | 第25-27页 |
| 3.1.2 评论元素分析 | 第27-28页 |
| 3.1.3 LATENT DIRICHLET ALLOCATION模型 | 第28-29页 |
| 3.2 传统协同过滤推荐算法 | 第29-35页 |
| 3.2.1 基于用户的协同过滤算法 | 第29-33页 |
| 3.2.2 基于物品的协同过滤算法 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于评论与评分的协同过滤算法 | 第36-46页 |
| 4.1 评论主题分布及评论态度概念的提出 | 第36-40页 |
| 4.1.1 用户偏好及物品特征 | 第36-38页 |
| 4.1.2 评论态度 | 第38-40页 |
| 4.2 基于评论与评分的USER-BASED协同过滤算法 | 第40-42页 |
| 4.2.1 改进的用户偏好 | 第41-42页 |
| 4.2.2 用户相似度 | 第42页 |
| 4.2.3 评分预测 | 第42页 |
| 4.3 基于评论与评分的ITEM-BASED协同过滤算法 | 第42-45页 |
| 4.3.1 改进的物品特征 | 第43-44页 |
| 4.3.2 物品相似度 | 第44页 |
| 4.3.3 评分预测 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 实验设计与结果分析 | 第46-55页 |
| 5.1 实验数据集与环境 | 第46-47页 |
| 5.1.1 实验数据集 | 第46-47页 |
| 5.1.2 实验环境 | 第47页 |
| 5.2 评价指标 | 第47页 |
| 5.3 对比算法描述 | 第47-48页 |
| 5.4 实验设计和结果分析 | 第48-53页 |
| 5.5 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63页 |
| A．作者在攻读硕士学位期间所发表的文章 | 第63页 |
