| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 推荐系统国内外研究现状 | 第12-14页 |
| 1.2.2 社会化标签的推荐算法研究现状 | 第14-15页 |
| 1.2.3 基于信任关系的社会化推荐算法研究 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 相关技术介绍 | 第18-31页 |
| 2.1 社会化推荐算法架构 | 第18-20页 |
| 2.2 矩阵分解推荐模型介绍 | 第20-23页 |
| 2.2.1 基本矩阵分解推荐算法 | 第20-21页 |
| 2.2.2 基于概率矩阵分解模型推荐算法 | 第21-23页 |
| 2.3 社会化标签推荐模型 | 第23-25页 |
| 2.3.1 标签应用 | 第23-24页 |
| 2.3.2 社会化标签的推荐技术 | 第24-25页 |
| 2.4 社会化信任推荐模型 | 第25-28页 |
| 2.4.1 信任网络 | 第25-26页 |
| 2.4.2 信任推荐的经典模型 | 第26-28页 |
| 2.5 相似度计算方法 | 第28-29页 |
| 2.6 推荐算法的评价指标 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 融合标签评分的概率矩阵推荐算法(TR-PMF) | 第31-45页 |
| 3.1 用户标签建模存在的问题 | 第31-32页 |
| 3.2 改进的标签评分权重方法 | 第32-35页 |
| 3.2.1 tf-idf计算标签权重 | 第32-33页 |
| 3.2.2 改进的标签评分权重计算方法 | 第33-35页 |
| 3.3 融合标签评分的概率矩阵分解算法 | 第35-38页 |
| 3.4 实验相关工作 | 第38-44页 |
| 3.4.1 实验环境及数据集 | 第38页 |
| 3.4.2 对比实验与分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 融合标签与信任关系的概率矩阵分解推荐算法(TT-PMF) | 第45-59页 |
| 4.1 信任关系推荐算法问题分析 | 第45-46页 |
| 4.2 改进的用户信任关系计算方法 | 第46-48页 |
| 4.2.1 显性信任关系的计算 | 第46页 |
| 4.2.2 用户间隐性信任关系的计算 | 第46-48页 |
| 4.3 改进信任度的概率矩阵分解推荐算法 | 第48-52页 |
| 4.4 实验相关工作 | 第52-58页 |
| 4.4.1 实验环境及数据集 | 第52页 |
| 4.4.2 对比实验与分析 | 第52-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 进一步工作 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介及在学期间所取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |