| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-16页 |
| 1.2.1 推荐系统的研究现状 | 第13-14页 |
| 1.2.2 冷启动推荐方法的研究现状 | 第14页 |
| 1.2.3 多关系关联规则的研究现状 | 第14-15页 |
| 1.2.4 粒关联规则的研究现状 | 第15-16页 |
| 1.3 本文的主要工作和组织结构 | 第16-18页 |
| 1.3.1 本文主要工作 | 第16-17页 |
| 1.3.2 本文组织结构 | 第17-18页 |
| 第2章 冷启动推荐的相关工作 | 第18-23页 |
| 2.1 推荐系统的研究 | 第18-20页 |
| 2.1.1 推荐系统的基本概念 | 第18页 |
| 2.1.2 推荐系统的常用算法 | 第18-20页 |
| 2.2 冷启动推荐的研究 | 第20-22页 |
| 2.2.1 冷启动推荐问题 | 第20页 |
| 2.2.2 冷启动推荐算法的研究 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 粒关联规则的相关工作 | 第23-32页 |
| 3.1 关联规则的相关工作 | 第23-25页 |
| 3.1.1 关联规则的相关概念 | 第23-24页 |
| 3.1.2 关联规则的分类 | 第24-25页 |
| 3.2 粒关联规则的相关工作 | 第25-30页 |
| 3.2.1 信息系统和信息粒的定义 | 第25-26页 |
| 3.2.2 多对多实体关系系统(MMER) | 第26-27页 |
| 3.2.3 粒关联规则 | 第27-29页 |
| 3.2.4 粒关联规则挖掘问题 | 第29-30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 粒关联规则中属性处理方法 | 第32-50页 |
| 4.1 属性多值问题 | 第32-40页 |
| 4.1.1 粒关联规则中的属性多值问题 | 第32-33页 |
| 4.1.2 属性多值问题的解决方案 | 第33-34页 |
| 4.1.3 积极性规则的挖掘问题 | 第34-36页 |
| 4.1.4 实验与结果分析 | 第36-40页 |
| 4.2 数值型属性的离散化处理 | 第40-48页 |
| 4.2.1 基于数值型数据的粒关联规则 | 第40-42页 |
| 4.2.2 三种离散化方法 | 第42-43页 |
| 4.2.3 实验与结果分析 | 第43-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 基于粒关联规则的冷启动推荐算法 | 第50-80页 |
| 5.1 推荐效果的评价指标 | 第50-53页 |
| 5.1.1 准确率指标 | 第50-51页 |
| 5.1.2 显著性指标 | 第51-52页 |
| 5.1.3 多样性指标 | 第52-53页 |
| 5.2 基于粒关联规则的冷启动推荐算法基本思想 | 第53-61页 |
| 5.2.1 挖掘粒关联规则 | 第53-58页 |
| 5.2.2 匹配用户粒 | 第58-59页 |
| 5.2.3 选取粒关联规则 | 第59-61页 |
| 5.2.4 项目粒的匹配及项目的推荐 | 第61页 |
| 5.3 Top-N推荐方法 | 第61-62页 |
| 5.4 训练集和测试集的划分 | 第62页 |
| 5.5 实验 | 第62-78页 |
| 5.5.1 不同冷启动推荐的效果 | 第63-67页 |
| 5.5.2 多样性冷启动推荐的效果 | 第67-72页 |
| 5.5.3 Top-N冷启动推荐的效果 | 第72-78页 |
| 5.6 本章小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 本文的总结 | 第80-81页 |
| 6.2 未来工作展望 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 附录 粒关联规则(Granular Association Rules)软件平台 | 第89-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间取得的科研成果 | 第93页 |