| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 推荐系统 | 第14-20页 |
| 1.1.1 推荐系统的产生 | 第14-16页 |
| 1.1.2 推荐系统与搜索引擎的区别 | 第16-18页 |
| 1.1.3 典型的推荐系统介绍 | 第18-20页 |
| 1.2 Web-based推荐系统 | 第20-22页 |
| 1.2.1 Web-based推荐系统定义 | 第20-21页 |
| 1.2.2 Web-based推荐系统应用介绍 | 第21-22页 |
| 1.3 Web-based推荐系统面临的挑战及研究趋势 | 第22-26页 |
| 1.3.1 Web-based推荐系统面临的挑战 | 第23-24页 |
| 1.3.2 Web-based推荐系统的研究趋势 | 第24-26页 |
| 1.4 本文主要研究内容及本文的组织结构 | 第26-29页 |
| 1.4.1 本文主要研究内容 | 第27页 |
| 1.4.2 本文的组织结构 | 第27-29页 |
| 第2章 Web-based推荐系统推荐算法概述 | 第29-55页 |
| 2.1 协同过滤推荐算法 | 第29-43页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第31-37页 |
| 2.1.2 基于项目的协同过滤推荐算法 | 第37-41页 |
| 2.1.3 基于用户和基于项目1的协同过滤推荐算法优缺点对比 | 第41-43页 |
| 2.2 基于内容的推荐算法 | 第43-47页 |
| 2.2.1 基于内容的推荐算法工作原理 | 第43-45页 |
| 2.2.2 基于内容的相似性检索算法 | 第45-47页 |
| 2.3 基于知识的推荐算法 | 第47-51页 |
| 2.3.1 基于约束的推荐算法 | 第48-50页 |
| 2.3.2 基于实例的推荐算法 | 第50-51页 |
| 2.4 混合推荐算法 | 第51-53页 |
| 2.5 本章小结 | 第53-55页 |
| 第3章 基于动态k近邻的SlopeOne协同过滤推荐算法 | 第55-70页 |
| 3.1 引言 | 第55-56页 |
| 3.2 相关工作 | 第56-60页 |
| 3.2.1 加权SlopeOne算法 | 第57-58页 |
| 3.2.2 双极SlopeOne算法 | 第58-59页 |
| 3.2.3 k近邻选择 | 第59-60页 |
| 3.3 基于动态k近邻的SlopeOne算法 | 第60-64页 |
| 3.3.1 动态k近邻选择 | 第61-62页 |
| 3.3.2 产生推荐 | 第62-63页 |
| 3.3.3 数据稀疏性分析 | 第63-64页 |
| 3.4 实验及分析 | 第64-68页 |
| 3.4.1 实验目的及方法 | 第64-66页 |
| 3.4.2 实验结果及分析 | 第66-68页 |
| 3.5 本章小结 | 第68-70页 |
| 第4章 Web-based推荐系统中的会话推荐多样性评价研究 | 第70-92页 |
| 4.1 引言 | 第70-71页 |
| 4.2 相关工作 | 第71-77页 |
| 4.2.1 准确性 | 第71-72页 |
| 4.2.2 覆盖率 | 第72-73页 |
| 4.2.3 新鲜性和意外性 | 第73-74页 |
| 4.2.4 用户满意度 | 第74-75页 |
| 4.2.5 推荐列表的流行性和多样性 | 第75-77页 |
| 4.3 Web-based推荐系统中的会话推荐多样性研究 | 第77-88页 |
| 4.3.1 页面内的推荐多样性 | 第82-83页 |
| 4.3.2 页面间的推荐多样性 | 第83-85页 |
| 4.3.3 提高会话推荐多样性的离线推荐算法 | 第85-88页 |
| 4.4 实验及分析 | 第88-90页 |
| 4.4.1 实验目的及方法 | 第88-89页 |
| 4.4.2 实验结果及分析 | 第89-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 利用时间上下文信息提高推荐系统会话推荐多样性的研究 | 第92-106页 |
| 5.1 引言 | 第92-93页 |
| 5.2 相关工作 | 第93-97页 |
| 5.2.1 推荐系统的时间上下文信息 | 第93-95页 |
| 5.2.2 多样性与准确性的权衡 | 第95-97页 |
| 5.3 利用时间上下文信息提高推荐系统会话推荐多样性的在线推荐算法 | 第97-103页 |
| 5.3.1 会话期内的时间上下文信息 | 第97-99页 |
| 5.3.2 会话推荐树中的环路检测算法 | 第99-100页 |
| 5.3.3 基于会话期内时间上下文信息的在线推荐算法 | 第100-103页 |
| 5.4 实验及分析 | 第103-105页 |
| 5.4.1 实验目的及方法 | 第103页 |
| 5.4.2 实验结果及分析 | 第103-105页 |
| 5.5 本章小结 | 第105-106页 |
| 第6章 SessionRecommender会话推荐系统的设计与实现 | 第106-115页 |
| 6.1 引言 | 第106-107页 |
| 6.2 系统设计 | 第107-110页 |
| 6.2.1 系统设计目标 | 第107-108页 |
| 6.2.2 系统结构 | 第108-110页 |
| 6.3 系统实现 | 第110-114页 |
| 6.3.1 用户行为提取模块 | 第111-112页 |
| 6.3.2 初始推荐模块 | 第112页 |
| 6.3.3 过滤排序模块 | 第112-114页 |
| 6.4 本章小结 | 第114-115页 |
| 第7章 总结和展望 | 第115-119页 |
| 7.1 本文工作总结 | 第115-116页 |
| 7.2 研究展望 | 第116-119页 |
| 参考文献 | 第119-132页 |
| 致谢 | 第132-134页 |
| 攻读博士学位期间发表的论文 | 第134-135页 |
| 攻博期间参与的项目 | 第135-136页 |
| 作者简介 | 第136页 |
广告服务 
