| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 推荐系统的研究历史和现状 | 第14-18页 |
| 1.3 推荐系统面临的主要问题 | 第18-19页 |
| 1.4 选题内容和目标 | 第19-20页 |
| 1.5 本文创新之处 | 第20-21页 |
| 1.6 本文组织结构 | 第21-23页 |
| 第二章 推荐系统及相关技术综述 | 第23-35页 |
| 2.1 个性化推荐系统 | 第23-24页 |
| 2.2 个性化推荐算法及其分类 | 第24-28页 |
| 2.2.1 基于内容的推荐算法 | 第24-25页 |
| 2.2.2 基于协同过滤的推荐算法 | 第25-27页 |
| 2.2.3 混合推荐算法 | 第27-28页 |
| 2.3 推荐算法的评测 | 第28-34页 |
| 2.3.1 推荐系统实验方法 | 第28-31页 |
| 2.3.2 评测指标 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于级联过滤和增强模型集成的推荐方法 | 第35-54页 |
| 3.1 多样化特征工程 | 第36-45页 |
| 3.1.1 特征提取 | 第36-39页 |
| 3.1.2 特征分类 | 第39-45页 |
| 3.2 基础子模型 | 第45-48页 |
| 3.2.1 梯度提升回归树 | 第45-46页 |
| 3.2.2 随机森林 | 第46-47页 |
| 3.2.3 逻辑回归 | 第47-48页 |
| 3.3 模型集成 | 第48-53页 |
| 3.3.1 离线级联过滤的多模型集成 | 第48-51页 |
| 3.3.2 在线增强模型集成 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 实验及结果分析 | 第54-64页 |
| 4.1 实验平台和实验数据集 | 第54-55页 |
| 4.2 利用MapReduce框架进行数据分析和模型构建 | 第55-57页 |
| 4.3 结果分析与算法评价 | 第57-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-67页 |
| 5.1 研究总结 | 第64-65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表的论文 | 第72-73页 |
| 攻读学位期间参加的课题 | 第73-75页 |
| 致谢 | 第75-76页 |