| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 背景介绍 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 文献综述 | 第10-11页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11页 |
| 1.4 研究内容及创新点 | 第11-12页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 研究创新点 | 第12页 |
| 1.5 论文结构 | 第12-14页 |
| 第二章 理论基础 | 第14-25页 |
| 2.1 推荐系统 | 第14-15页 |
| 2.1.1 什么是推荐系统 | 第14页 |
| 2.1.2 推荐系统的应用 | 第14-15页 |
| 2.2 基于邻域的推荐算法 | 第15-18页 |
| 2.2.1 基于用户的协同过滤算法 | 第15-16页 |
| 2.2.2 基于项目的协同过滤算法 | 第16-17页 |
| 2.2.3 协同过滤算法的性能及其面临的问题 | 第17-18页 |
| 2.3 基于内容的推荐 | 第18-19页 |
| 2.3.1 基于内容的推荐算法与基于邻域的算法比较 | 第19页 |
| 2.4 基于图的推荐算法 | 第19-20页 |
| 2.5 融合推荐模型 | 第20-21页 |
| 2.6 推荐系统的测评 | 第21-24页 |
| 2.6.1 评测指标 | 第22-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 融合推荐模型的构建 | 第25-30页 |
| 3.1 加权融合模型 | 第25-26页 |
| 3.2 基于用户的协同过滤算法及改进 | 第26-27页 |
| 3.2.1 基于用户的协同过滤算法(UCF) | 第26页 |
| 3.2.2 改进的基于用户的协同过滤算法(GUCF) | 第26-27页 |
| 3.3 基于项目的协同过滤算法及改进 | 第27-28页 |
| 3.3.1 基于项目的协同过滤算法(ITCF) | 第27页 |
| 3.3.2 改进的基于项目的协同过滤算法(GITCF) | 第27-28页 |
| 3.4 基于图的推荐算法及改进 | 第28-29页 |
| 3.4.1 基于图的推荐算法(NBI) | 第28页 |
| 3.4.2 改进的基于图的推荐算法(WNBI) | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 数据分析与模型检测 | 第30-35页 |
| 4.1 数据处理 | 第30页 |
| 4.2 算法准确度分析 | 第30-32页 |
| 4.3 算法多样性分析 | 第32-33页 |
| 4.4 综合对比 | 第33页 |
| 4.5 确定融合模型权重值 | 第33-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 总结及拓展 | 第35-37页 |
| 参考文献 | 第37-39页 |
| 致谢 | 第39页 |
