摘要
Abstract
第一章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.3 本文的结构安排
第二章 个性化推荐系统及其核心技术
2.1 个性化推荐系统概述
2.1.1 个性化推荐系统概念及分类
2.1.2 个性化推荐系统研究内容
2.2 个性化推荐系统的基本框架
2.2.1 用户行为记录模块
2.2.2 兴趣建模模块
2.2.3 推荐算法模块
2.3 个性化推荐技术
2.3.1 基于内容的推荐
2.3.2 协同过滤推荐
2.3.3 基于关联规则的推荐
2.3.4 其他推荐技术
2.3.5 组合推荐
2.4 小结
第三章 协同过滤推荐研究
3.1 协同过滤简单描述
3.2 协同过滤的实现过程
3.2.1 评分表示
3.2.2 近邻选择
3.2.3 产生推荐或预测
3.3 协同过滤算法的分类
3.3.1 基于内存的协同过滤
3.3.2 基于模型的协同过滤
3.4 协同过滤存在的问题
3.5 协同过滤常用数据
第四章 基于用户-项目的混合式协同过滤改进算法UPIC
4.1 传统User-based协同过滤算法
4.1.1 相似性计算方法
4.1.2 选取最近邻
4.1.3 产生推荐
4.2 传统Item-based协同过滤算法
4.3 改进的协同过滤算法UPIC
4.3.1 相似性计算方法
4.3.2 用户评分预测
4.3.3 改进算法UPIC
4.4 算法实现
4.5 小结
第五章 实验结果及分析
5.1 实验基础
5.2 实验标准及方案
5.3 实验结果及分析
第六章 总结和展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
攻读硕士期间发表的论文
致谢