| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 导论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景 | 第10-14页 |
| 1.2.1 推荐系统的研究目的与意义 | 第10-11页 |
| 1.2.2 推荐系统的发展现状 | 第11-14页 |
| 1.3 本文的研究方法与创新点 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 推荐系统及相关技术概述 | 第16-35页 |
| 2.1 相关技术 | 第16-19页 |
| 2.1.1 信息检索技术 | 第16-17页 |
| 2.1.2 信息过滤技术 | 第17-18页 |
| 2.1.3 数据挖掘技术 | 第18-19页 |
| 2.2 推荐系统介绍 | 第19-35页 |
| 2.2.1 协同过滤推荐算法 | 第21-26页 |
| 2.2.2 基于内容的推荐算法 | 第26-29页 |
| 2.2.3 基于知识的推荐 | 第29-30页 |
| 2.2.4 混合推荐算法 | 第30-35页 |
| 第3章 协同过滤与基于内容的混合推荐算法设计 | 第35-46页 |
| 3.1 混合推荐算法概述 | 第36-37页 |
| 3.2 混合推荐算法模型详述 | 第37-44页 |
| 3.2.1 协同过滤-寻找目标用户的相似用户集 | 第37-39页 |
| 3.2.2 基于内容-过滤相似用户得可信邻居 | 第39-43页 |
| 3.2.3 协同过滤-利用可信邻居为目标用户推荐 | 第43-44页 |
| 3.3 混合推荐算法权重系数的确定 | 第44-46页 |
| 第4章 实验与结果分析 | 第46-52页 |
| 4.1 实验数据 | 第46页 |
| 4.2 评价标准 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-52页 |
| 4.3.1 改进的皮尔逊相关系数效度以及两个参数N,M的关系分析 | 第47-49页 |
| 4.3.2 推荐算法效度分析 | 第49-50页 |
| 4.3.3 用户兴趣相似度公式中项目属性权重的确定 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士期间发表的论文 | 第57-58页 |
| 后记 | 第58页 |