基于社会网络模型的协同过滤算法研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究的背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 协同过滤算法研究现状 | 第10-12页 |
| 1.2.2 社会网络分析研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 相关理论基础 | 第16-34页 |
| 2.1 协同过滤算法 | 第17-25页 |
| 2.1.1 基于内存的协同过滤算法 | 第19-21页 |
| 2.1.2 基于模型的协同过滤算法 | 第21-23页 |
| 2.1.3 混合推荐技术 | 第23-25页 |
| 2.2 协同过滤算法面临的挑战 | 第25-26页 |
| 2.3 社会网络分析 | 第26-29页 |
| 2.3.1 社会网络的定义 | 第26-28页 |
| 2.3.2 社会网络的表示 | 第28-29页 |
| 2.4 社会网络模型 | 第29-32页 |
| 2.4.1 群体动力学 | 第30页 |
| 2.4.2 图论 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于群体动力学模型的协同过滤改进算法 | 第34-44页 |
| 3.1 群体因子计算 | 第34-35页 |
| 3.2 群体信任度计算 | 第35-36页 |
| 3.3 算法实现 | 第36-38页 |
| 3.3.1 算法简述 | 第36-37页 |
| 3.3.2 算法流程图 | 第37-38页 |
| 3.4 实验及分析 | 第38-42页 |
| 3.4.1 实验数据集 | 第38页 |
| 3.4.2 实验评判标准 | 第38-39页 |
| 3.4.3 实验结果及分析 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于图论的多重项目相似度协同过滤改进算法 | 第44-54页 |
| 4.1 算法概述 | 第44-45页 |
| 4.2 项目属性相似度计算 | 第45-46页 |
| 4.3 项目交互相似度计算 | 第46-49页 |
| 4.3.1 构建项目网络图 | 第46-47页 |
| 4.3.2 SimRank算法计算相似度 | 第47-49页 |
| 4.4 算法实现 | 第49-52页 |
| 4.4.1 算法简述 | 第49-51页 |
| 4.4.2 算法流程图 | 第51-52页 |
| 4.5 实验及分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 协同过滤在旅游景点推荐的应用 | 第54-68页 |
| 5.1 数据采集 | 第54-56页 |
| 5.2 数据整理分析 | 第56-58页 |
| 5.3 旅游景点的推荐 | 第58-59页 |
| 5.4 智能旅游推荐系统搭建 | 第59-66页 |
| 5.4.1 总体功能结构设计 | 第59-61页 |
| 5.4.2 开发环境的构建 | 第61页 |
| 5.4.3 主要功能实现 | 第61-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 今后的工作 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间研究成果 | 第78页 |
