| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 推荐算法面临的主要挑战 | 第12-14页 |
| 1.3.1 数据稀疏 | 第12-13页 |
| 1.3.2 冷启动 | 第13页 |
| 1.3.3 系统可扩展性 | 第13-14页 |
| 1.4 本文的研究内容及创新点 | 第14页 |
| 1.5 本文的组织结构 | 第14-16页 |
| 第2章 二部图网络结构的相关推荐算法 | 第16-24页 |
| 2.1 二部图网络结构 | 第16-18页 |
| 2.1.1 基本概念 | 第16页 |
| 2.1.2 二部图投影技术 | 第16-18页 |
| 2.2 基于资源分配的推荐算法 | 第18-19页 |
| 2.3 基于热传导的推荐算法 | 第19-20页 |
| 2.4 协同过滤推荐算法及其他算法 | 第20-21页 |
| 2.5 引入信任的推荐可行性分析 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于二部图网络结构的推荐算法 | 第24-34页 |
| 3.1 算法的提出依据 | 第24-25页 |
| 3.2 二部图投影在协同推荐中的应用 | 第25页 |
| 3.3 相似性计算方法 | 第25-28页 |
| 3.3.1 基于二部图网络结构的相似性指标 | 第25-27页 |
| 3.3.2 传统的协同过滤用户相似性计算方法 | 第27-28页 |
| 3.4 改进的基于二部图网络结构的用户相似性度量方法(BGUS) | 第28-33页 |
| 3.4.1 基于二部图投影的用户关联关系的计算 | 第28-31页 |
| 3.4.2 用户度对相似性的影响 | 第31页 |
| 3.4.3 算法分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 一种基于二部图网络结构的信任传播算法 | 第34-43页 |
| 4.1 算法提出的依据 | 第34-35页 |
| 4.2 基于信任传播的推荐算法 | 第35-36页 |
| 4.2.1 基于信任的推荐 | 第35页 |
| 4.2.2 信任度量方法 | 第35-36页 |
| 4.2.3 信任传递模型 | 第36页 |
| 4.3 融合信任网络和二部图用户关联网络 | 第36-41页 |
| 4.3.1 有效路径选择 | 第38-40页 |
| 4.3.2 信任值计算 | 第40-41页 |
| 4.4 融合信任网络和用户相似的推荐算法(BGUS_Trust) | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 算法及实验结果分析 | 第43-51页 |
| 5.1 实验数据集 | 第43页 |
| 5.2 评价指标 | 第43-44页 |
| 5.3 对比实验 | 第44-45页 |
| 5.4 实验结果及分析 | 第45-50页 |
| 5.4.1 第3章实验分析 | 第45-48页 |
| 5.4.2 第4章实验分析 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |