| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 推荐系统相关技术 | 第16-26页 |
| 2.1 推荐系统基本概念 | 第16页 |
| 2.2 常见的推荐算法 | 第16-21页 |
| 2.2.1 基于内容的推荐 | 第17页 |
| 2.2.2 协同过滤推荐 | 第17-20页 |
| 2.2.3 基于关联规则的推荐 | 第20-21页 |
| 2.2.4 混合推荐 | 第21页 |
| 2.3 推荐系统所面临的问题 | 第21-22页 |
| 2.4 数据集及评价指标 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 融合信息熵的加权Jaccard系数相似度计算方法 | 第26-32页 |
| 3.1 考虑项目属性的Jaccard相似度计算方法 | 第26-28页 |
| 3.2 融合信息熵的加权Jaccard相似度计算方法 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于项目属性和评分的协同过滤推荐算法 | 第32-40页 |
| 4.1 融合用户活跃度和项目流行度的相似度计算方法 | 第32-37页 |
| 4.1.1 用户活跃度 | 第33页 |
| 4.1.2 项目流行度 | 第33-34页 |
| 4.1.3 融合用户活跃度和项目流行度的改进的相似度计算方法 | 第34-37页 |
| 4.2 基于项目属性和评分的协同过滤推荐算法 | 第37-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 实验结果及分析 | 第40-52页 |
| 5.1 实验准备 | 第40页 |
| 5.2 实验环境 | 第40页 |
| 5.3 实验对比及结果分析 | 第40-51页 |
| 5.3.1 参数α和β的确定 | 第41-44页 |
| 5.3.2 参数n和k的确定 | 第44-48页 |
| 5.3.3 对比实验 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59页 |
