基于用户行为和信任度的图模型推荐算法研究
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 本文研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文的主要研究内容及创新 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 推荐算法及其相关理论 | 第12-21页 |
| 2.1 推荐算法概述 | 第12-14页 |
| 2.1.1 基于邻域的协同过滤算法 | 第12-13页 |
| 2.1.2 基于内容的协同过滤算法 | 第13页 |
| 2.1.3 隐语义模型 | 第13-14页 |
| 2.2 基于图模型的推荐算法 | 第14-16页 |
| 2.3 基于社会化网络的推荐算法 | 第16-18页 |
| 2.4 推荐性能评价 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于用户行为和关注关系的图推荐算法 | 第21-38页 |
| 3.1 引言 | 第21页 |
| 3.2 算法原理和创新 | 第21-22页 |
| 3.3 算法设计 | 第22-30页 |
| 3.3.1 概述 | 第22-23页 |
| 3.3.2 相关说明 | 第23-26页 |
| 3.3.3 构建用户-物品反馈图 | 第26页 |
| 3.3.4 构建用户兴趣图 | 第26-27页 |
| 3.3.5 提取有效用户关注关系 | 第27-28页 |
| 3.3.6 随机游走过程 | 第28-29页 |
| 3.3.7 生成推荐列表 | 第29-30页 |
| 3.4 实验设计及结果分析 | 第30-37页 |
| 3.4.1 数据集介绍 | 第30-31页 |
| 3.4.2 评价指标 | 第31-32页 |
| 3.4.3 参数选择及对比实验结果 | 第32-35页 |
| 3.4.4 数据稀疏性表现 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于用户行为与信任度的图推荐算法 | 第38-47页 |
| 4.1 引言 | 第38页 |
| 4.2 算法原理和创新 | 第38-39页 |
| 4.3 算法设计 | 第39-41页 |
| 4.3.1 信任度 | 第40页 |
| 4.3.2 基于随机游走的用户兴趣度的度量 | 第40-41页 |
| 4.4 实验设计及结果分析 | 第41-46页 |
| 4.4.1 数据集介绍 | 第41-42页 |
| 4.4.2 实验设计 | 第42-45页 |
| 4.4.3 实验结果 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 本文总结 | 第47-48页 |
| 5.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 读硕期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-56页 |
