| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究综述 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 电子商务推荐系统与信任相关理论 | 第14-22页 |
| 2.1 电子商务推荐系统 | 第14-15页 |
| 2.1.1 电子商务推荐系统的构成 | 第14页 |
| 2.1.2 电子商务推荐系统与个性化服务 | 第14-15页 |
| 2.2 常用推荐算法 | 第15-17页 |
| 2.2.1 基于内容的推荐算法 | 第15-16页 |
| 2.2.2 协同过滤推荐 | 第16-17页 |
| 2.2.3 混合推荐算法 | 第17页 |
| 2.3 推荐系统的评估标准 | 第17-18页 |
| 2.4 信任的相关理论 | 第18-21页 |
| 2.4.1 信任的概念 | 第18-19页 |
| 2.4.2 信任的性质 | 第19-20页 |
| 2.4.3 信任的分类 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 融合用户相似度与信任度的协同过滤推荐算法 | 第22-30页 |
| 3.1 协同过滤推荐算法 | 第22-23页 |
| 3.2 融合相似度与信任度的协同过滤算法整体框架 | 第23-25页 |
| 3.2.1 引入信任度 | 第23-24页 |
| 3.2.2 融合相似度与信任度的协同过滤算法整体框架 | 第24-25页 |
| 3.3 融合相似度与信任度的协同过滤算法具体步骤 | 第25-29页 |
| 3.3.1 收集评分数据 | 第25-26页 |
| 3.3.2 计算用户相似度 | 第26-27页 |
| 3.3.3 计算信任度 | 第27-28页 |
| 3.3.4 融合信任度与相似度 | 第28页 |
| 3.3.5 生成最近邻居集合 | 第28-29页 |
| 3.3.6 评分预测及推荐 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 实验及结果分析 | 第30-36页 |
| 4.1 实验目的 | 第30页 |
| 4.2 实验的环境和选取的数据 | 第30-31页 |
| 4.2.1 实验环境 | 第30页 |
| 4.2.2 实验数据 | 第30-31页 |
| 4.3 评价指标 | 第31-32页 |
| 4.3.1 稀疏度 | 第31-32页 |
| 4.3.2 平均绝对误差 | 第32页 |
| 4.4 实验设计及结果分析 | 第32-34页 |
| 4.4.1 实验 1 | 第32-33页 |
| 4.4.2 实验 2 | 第33-34页 |
| 4.4.3 实验 3 | 第34页 |
| 4.5 本章小结 | 第34-36页 |
| 第5章 电影推荐系统的设计与实现 | 第36-50页 |
| 5.1 需求分析 | 第36-38页 |
| 5.1.1 需求分析概述 | 第36-37页 |
| 5.1.2 功能需求 | 第37-38页 |
| 5.2 推荐系统架构 | 第38-39页 |
| 5.3 推荐引擎设计 | 第39-44页 |
| 5.3.1 设计概述 | 第39-41页 |
| 5.3.2 数据库设计 | 第41-42页 |
| 5.3.3 系统时序图 | 第42-44页 |
| 5.4 系统实现及展示 | 第44-48页 |
| 5.4.1 系统登录界面 | 第44-45页 |
| 5.4.2 普通用户界面 | 第45-47页 |
| 5.4.3 管理员界面 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间获得的科研成果 | 第56-58页 |
| 致谢 | 第58页 |