| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11页 |
| 1.2.1 理论意义 | 第11页 |
| 1.2.2 现实意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 推荐算法与信任机制 | 第17-33页 |
| 2.1 电子商务推荐系统概述 | 第17-19页 |
| 2.2 协同过滤算法相关介绍 | 第19-27页 |
| 2.2.1 协同过滤算法的基本思想 | 第19-20页 |
| 2.2.2 传统协同过滤算法的实现过程 | 第20-25页 |
| 2.2.2.1 用户-项目评价矩阵 | 第20-21页 |
| 2.2.2.2 用户相似性计算 | 第21-24页 |
| 2.2.2.3 预测评分计算 | 第24-25页 |
| 2.2.3 协同过滤算法的不足及应对方法 | 第25-27页 |
| 2.3 其他推荐算法 | 第27-29页 |
| 2.3.1 基于内容的推荐 | 第27-28页 |
| 2.3.2 混合推荐方法 | 第28-29页 |
| 2.4 信任机制的相关理论研究 | 第29-33页 |
| 2.4.1 引入信任机制的原因 | 第29-30页 |
| 2.4.2 信任机制的内涵和特点 | 第30-31页 |
| 2.4.3 引入信任机制的优势 | 第31-33页 |
| 第3章 双重信任机制下的协同过滤算法建模 | 第33-46页 |
| 3.1 相似度计算模型的改进 | 第33-35页 |
| 3.2 信任度模型的构建 | 第35-41页 |
| 3.2.1 直接信任度建模 | 第35-37页 |
| 3.2.2 隐性信任度建模 | 第37-41页 |
| 3.2.2.1 信任的传播 | 第38-39页 |
| 3.2.2.2 信任传播路径的聚合 | 第39-40页 |
| 3.2.2.3 隐性信任的度量 | 第40-41页 |
| 3.3 信任度与相似度的融合 | 第41-42页 |
| 3.4 邻居用户集合的构建 | 第42-43页 |
| 3.5 计算评分进行推荐 | 第43-46页 |
| 第4章 实验及结果分析 | 第46-56页 |
| 4.1 实验环境及实验数据集 | 第46页 |
| 4.2 实验目的 | 第46页 |
| 4.3 评价指标 | 第46-49页 |
| 4.4 实验过程与分析 | 第49-55页 |
| 4.4.1 传统相似度矩阵与本文融合相似度矩阵的稀疏度对比 | 第49-50页 |
| 4.4.2 引入jaccard相似性的优势 | 第50-53页 |
| 4.4.3 不同算法之间的覆盖率对比 | 第53-54页 |
| 4.4.4 不同算法之间的精确度对比 | 第54-55页 |
| 4.5 小结与实际应用 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 创新点 | 第56-57页 |
| 5.3 对未来工作的展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |