| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 引言 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 研究相关动态 | 第15-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文研究方法 | 第19-20页 |
| 1.5 本文结构 | 第20-21页 |
| 1.6 小结 | 第21-22页 |
| 第二章 相关理论及技术概述 | 第22-33页 |
| 2.1 协同过滤推荐 | 第22-24页 |
| 2.2 基于用户的协同过滤推荐 | 第24页 |
| 2.3 推荐算法中的聚类过程 | 第24-28页 |
| 2.4 相似度测量方法 | 第28-29页 |
| 2.5 推荐算法评价指标 | 第29-30页 |
| 2.6 推荐系统构成 | 第30-33页 |
| 第三章 基于参数自适应优化的半监督聚类 | 第33-44页 |
| 3.1 半监督PSO思想 | 第33-34页 |
| 3.2 自适应参数优化的半监督PSO聚类 | 第34-35页 |
| 3.3 APO_SSPSO算法的实现过程 | 第35-37页 |
| 3.4 实验设计及实验结果分析 | 第37-43页 |
| 3.5 小结 | 第43-44页 |
| 第四章 基于聚类过程改进的User-CF推荐 | 第44-54页 |
| 4.1 基于APO_SSPSO的User-CF推荐算法 | 第44-48页 |
| 4.2 经过PSO优化权重系数的推荐公式 | 第48-50页 |
| 4.3 实验设计及实验结果分析 | 第50-54页 |
| 第五章 基于APO_SSPSO User-CF的文献推荐系统构建 | 第54-67页 |
| 5.1 需求分析 | 第54页 |
| 5.2 系统设计 | 第54-61页 |
| 5.3 开发环境 | 第61页 |
| 5.4 系统测试 | 第61-64页 |
| 5.5 系统界面及操作演示 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间所取得的科研成果 | 第74页 |