| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 Background | 第11-24页 |
| ·Recommender system | 第11-17页 |
| ·Recommender system introduction | 第12-13页 |
| ·Traditional recommender system | 第13-14页 |
| ·Problems existing in traditional recommender system | 第14-15页 |
| ·Previous studies to solve these problems | 第15-17页 |
| ·Social network and recommender system | 第17-20页 |
| ·Social recommendation introduction | 第17-18页 |
| ·Correlation between the Social network and user preference | 第18-19页 |
| ·Studies of recommender system combined with social network | 第19-20页 |
| ·Correlation between the social network structure and user preference | 第20页 |
| ·Public comments and recommender system | 第20-22页 |
| ·Problems existing in public comments | 第21页 |
| ·Correlation between public comments and user preference | 第21-22页 |
| ·Background summary | 第22-24页 |
| 2 Research question | 第24-31页 |
| ·Social recommender system | 第24-26页 |
| ·Problems existing in previous social recommender system researches | 第24-25页 |
| ·Connection between structure of social network and similarity of preferencesbetween friends | 第25页 |
| ·How to make use of social information to make rating estimation | 第25-26页 |
| ·Recommender system considering public comments | 第26-31页 |
| ·Problems existing in recommender system considering public comments researches | 第26-27页 |
| ·How to estimate users' preferences according to users' feedback toward publiccomments | 第27-28页 |
| ·Recommender system considering social information mined both from friends andpublic comments | 第28-29页 |
| ·Users' preferences leaning | 第29页 |
| ·Users unknown ratings estimation | 第29-31页 |
| 3 Related works | 第31-46页 |
| ·Holistic review of recommender system researches | 第31-37页 |
| ·Content-based recommendation | 第31-32页 |
| ·Collaborative-filtering recommendation | 第32页 |
| ·Hybrid recommender system research | 第32页 |
| ·User modeling technology in recommender system research | 第32-33页 |
| ·Information techniques used in recommender systems | 第33-34页 |
| ·Mobile recommender system research | 第34-36页 |
| ·Recommendation researches from the perspective of behavior | 第36-37页 |
| ·Existing social recommendation researches | 第37-38页 |
| ·Trust-aware recommendations | 第37页 |
| ·Recommendations combined with social network | 第37-38页 |
| ·Researches related to social recommendation | 第38页 |
| ·Existing recommender system considering the public comments | 第38-41页 |
| ·Word of mouth | 第39页 |
| ·How online review to influence users attitude towards products | 第39页 |
| ·The benefits of online review to marketers | 第39-40页 |
| ·Usets' implicit feedback | 第40-41页 |
| ·Existing recommender system researches considering social information mined both from friends and public comments | 第41-43页 |
| ·How to use public comments in recommender system when combing with socialinformation mined from friends | 第41-42页 |
| ·How to use friends' information in recommender system when considering socialinformation mined from public comments | 第42页 |
| ·Recommender system considering social information mined both from friends andpublic comments | 第42-43页 |
| ·The related works summary | 第43-46页 |
| 4 Theoretical foundations | 第46-61页 |
| ·Social influence | 第46-48页 |
| ·Social conformity | 第46页 |
| ·Social comparison | 第46-47页 |
| ·Social facilitation | 第47-48页 |
| ·Social influence and customer behavior | 第48-52页 |
| ·Original researches on social influence and customer behavior | 第48-49页 |
| ·Social influence and customer behavior | 第49-52页 |
| ·Social network characters | 第52-57页 |
| ·Social influence and community | 第52页 |
| ·Community topology and strength of social influence | 第52-54页 |
| ·Centrality and preferences similarity | 第54-57页 |
| ·Users behavior and their preferences | 第57-58页 |
| ·Users attitude and users behavior | 第57页 |
| ·User behavior and implicit rating | 第57-58页 |
| ·Low rank matrix factorization | 第58-59页 |
| ·The advantages of matrix factorization | 第58页 |
| ·Matrix factorization used in recommendation | 第58-59页 |
| ·Theoretical foundations summary | 第59-61页 |
| 5 Recommendation Algorithms | 第61-72页 |
| ·Recommendation considering social information mined from friends | 第61-67页 |
| ·Friends V.S.Strangers | 第61-62页 |
| ·Friends in one community V.S.Friends in different communities | 第62-63页 |
| ·Community size and social influence | 第63-64页 |
| ·Community density and social influence | 第64-65页 |
| ·Users' centrality and social influence | 第65-67页 |
| ·Recommendation considering social information mined from public comments | 第67-70页 |
| ·Products quality and users' ratings | 第68-69页 |
| ·Users' unique taste and public comments | 第69-70页 |
| ·Recommendation considering social information both from social network and public comments | 第70-72页 |
| 6 Experiment Design | 第72-97页 |
| ·Tested recommendation methods | 第72-74页 |
| ·Previous recommendation methods | 第72-73页 |
| ·Our proposed recommendation methods | 第73-74页 |
| ·Tested data set | 第74-80页 |
| ·Tested process | 第80-97页 |
| ·Collaborative-filtering recommendation method | 第80-81页 |
| ·Matrix factorization recommendation method | 第81-84页 |
| ·Previous Social Regularization recommendation method | 第84-87页 |
| ·A novel social recommendation method considering social information mined fromfriends | 第87-90页 |
| ·A novel social recommendation method considering social information mined frompublic comments | 第90-92页 |
| ·A novel social recommendation method considering social information mined bothfrom friends and public comments | 第92-97页 |
| 7 Discussion | 第97-109页 |
| ·Benchmarks for evaluation | 第97页 |
| ·Overall performance | 第97-104页 |
| ·Collaborative-filtering recommendation method | 第98页 |
| ·Matrix factorization recommendation method | 第98-99页 |
| ·Previous Social regularization recommendation method | 第99页 |
| ·A novel social recommendation method considering social information mined fromfriends | 第99-100页 |
| ·A novel social recommendation method considering social information mined frompublic comments | 第100页 |
| ·A novel social recommendation method considering social information mined fromboth friends and public comments | 第100-104页 |
| ·New user problem | 第104-109页 |
| ·A novel social recommendation method considering social information mined fromfriends | 第104页 |
| ·A novel social recommendation method considering social information mined frompublic comments | 第104-105页 |
| ·A novel social recommendation method considering social information mined fromboth friends and public comments | 第105-109页 |
| 8 Limitations | 第109-110页 |
| 9 Conclusions | 第110-113页 |
| 10 Future works | 第113-114页 |
| References | 第114-124页 |
| Acknowledgements | 第124-125页 |
| 致谢 | 第125-126页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第126-128页 |
| 摘要 | 第128-130页 |
| 第1章 绪论(推荐系统领域的研究进展) | 第130-133页 |
| ·推荐系统 | 第130-131页 |
| ·推荐系统介绍 | 第130页 |
| ·传统推荐系统 | 第130-131页 |
| ·关于解决传统推荐系统所存在问题的研究 | 第131页 |
| ·社交网络与推荐系统 | 第131-132页 |
| ·社交推荐介绍 | 第131页 |
| ·社交网络与用户偏好之间的联系 | 第131页 |
| ·关于社交推荐系统的现有工作 | 第131-132页 |
| ·社交网络结构与用户偏好之间的联系 | 第132页 |
| ·大众点评和推荐系统 | 第132-133页 |
| 第2章 研究问题 | 第133-134页 |
| 第3章 文献综述 | 第134-136页 |
| ·推荐系统研究的总体回顾 | 第134页 |
| ·社交推荐系统 | 第134页 |
| ·利用大众点评改进推荐系统的性能 | 第134-135页 |
| ·利用从朋友和在线大众点评中挖掘出的社交信息来改进推荐系统 | 第135-136页 |
| 第4章 理论基础 | 第136-137页 |
| ·社交影响力 | 第136页 |
| ·社交网络的结构与社交影响力强度之间的联系 | 第136页 |
| ·用户行为与用户偏好之间的关系 | 第136页 |
| ·矩阵分解技术 | 第136-137页 |
| 第5章 推荐方法 | 第137-139页 |
| 算法1 | 第137页 |
| 算法2 | 第137-138页 |
| 算法3 | 第138-139页 |
| 第6章 实验设计 | 第139-140页 |
| ·被测试的推荐方法 | 第139页 |
| ·测试数据 | 第139页 |
| ·测试过程 | 第139-140页 |
| 第7章 实验结果讨论 | 第140-143页 |
| 第8章 此研究的局限性 | 第143-144页 |
| 第9章 结论 | 第144-145页 |
| 第10章 未来的工作 | 第145-146页 |
| 参考文献 | 第146-152页 |
