| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 推荐系统发展现状 | 第10-14页 |
| 1.2.1 推荐系统发展历程 | 第10-11页 |
| 1.2.2 推荐系统分类 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 研究意义 | 第15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 协同过滤推荐算法 | 第17-25页 |
| 2.1 基于协同过滤的推荐算法概述 | 第17-21页 |
| 2.1.1 相似性计算方法 | 第18-19页 |
| 2.1.2 最近邻的选择策略 | 第19-20页 |
| 2.1.3 预测分值计算 | 第20-21页 |
| 2.2 评测标准 | 第21-22页 |
| 2.2.1 测试环境下评测 | 第21-22页 |
| 2.2.2 生产环境下评测 | 第22页 |
| 2.3 协同过滤推荐系统缺点 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 信任模型与信任网络 | 第25-31页 |
| 3.1 信任的定义 | 第25页 |
| 3.2 信任的特性 | 第25-26页 |
| 3.3 信任模型 | 第26-29页 |
| 3.3.1 初始信任模型 | 第27页 |
| 3.3.2 基于监管机制信任模型 | 第27-28页 |
| 3.3.3 社区信任模型 | 第28页 |
| 3.3.4 电商信任模型 | 第28-29页 |
| 3.4 信任网络 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于信任网络随机游走模型的协同过滤推荐方法 | 第31-41页 |
| 4.1 结合Sigmoid因子的相似性计算方法 | 第31-33页 |
| 4.2 单轮信任网络随机游走 | 第33-36页 |
| 4.2.1 游走方式 | 第34-35页 |
| 4.2.2 一轮游走结束条件 | 第35-36页 |
| 4.3 全局游走结束条件 | 第36页 |
| 4.4 推荐结果的生成 | 第36-37页 |
| 4.5 算法流程 | 第37-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第5章 实验设计与结果分析 | 第41-47页 |
| 5.1 实验数据集 | 第41页 |
| 5.2 实验设计 | 第41-42页 |
| 5.3 实验比较 | 第42-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士期间的主要科研成果 | 第53-55页 |
| 致谢 | 第55页 |