| 中文摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状评述 | 第17-19页 |
| 1.3 研究思路及内容 | 第19-21页 |
| 1.4 研究创新点 | 第21-23页 |
| 第二章 推荐系统及相关研究概述 | 第23-35页 |
| 2.1 推荐系统概述 | 第23-26页 |
| 2.1.1 推荐系统的概念 | 第23-24页 |
| 2.1.2 推荐系统的构成 | 第24页 |
| 2.1.3 推荐系统的分类 | 第24-25页 |
| 2.1.4 推荐系统的主要研究内容 | 第25-26页 |
| 2.2 推荐系统的主要研究方法 | 第26-31页 |
| 2.2.1 基于内容的推荐算法 | 第26-28页 |
| 2.2.2 基于协同过滤推荐 | 第28-30页 |
| 2.2.3 混合推荐算法 | 第30-31页 |
| 2.3 推荐系统的用户兴趣模型研究 | 第31-32页 |
| 2.3.1 显式用户兴趣模型 | 第31-32页 |
| 2.3.2 隐式用户兴趣模型 | 第32页 |
| 2.4 推荐系统的评价指标 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于用户兴趣与特征信息融合的协同过滤方法研究 | 第35-49页 |
| 3.1 引入用户长短期兴趣和项目评分的用户兴趣相似度建模 | 第35-42页 |
| 3.1.1 用户偏好及项目属性信息介绍 | 第35-37页 |
| 3.1.2 传统的用户兴趣模型构建 | 第37-38页 |
| 3.1.3 引入用户长短期兴趣和项目评分的用户兴趣模型构建 | 第38-42页 |
| 3.1.4 融合用户长短期兴趣和项目评分的用户兴趣相似度模型构建 | 第42页 |
| 3.2 用户特征相似度建模 | 第42-45页 |
| 3.2.1 用户特征分析 | 第43-44页 |
| 3.2.2 用户特征相似度模型构建 | 第44-45页 |
| 3.3 融合用户兴趣与特征的协同过滤推荐 | 第45-46页 |
| 3.3.1 融合用户兴趣与特征的用户综合相似度建模 | 第45-46页 |
| 3.3.2 融合用户兴趣与特征的协同过滤推荐生成 | 第46页 |
| 3.4 基于用户兴趣与特征信息融合的协同过滤推荐方法 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 实验结果与分析 | 第49-59页 |
| 4.1 实验数据集 | 第49-52页 |
| 4.2 实验评价指标 | 第52页 |
| 4.3 实验方案设计与结果分析 | 第52-58页 |
| 4.3.1 实验方案设计 | 第52-53页 |
| 4.3.2 实验结果与分析 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读学位期间取得的研究成果 | 第67-69页 |
| 致谢 | 第69-71页 |
| 个人情况及联系方式 | 第71-72页 |
