| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 1. 引言 | 第15-27页 |
| ·研究背景及意义 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·传统推荐技术研究 | 第16-19页 |
| ·社会网络推荐技术研究 | 第19-21页 |
| ·社会网络推荐系统所面临问题及其挑战 | 第21-22页 |
| ·论文研究内容 | 第22-23页 |
| ·论文组织结构 | 第23-27页 |
| 2. 推荐系统相关研究综述 | 第27-51页 |
| ·什么是推荐系统 | 第27页 |
| ·推荐系统的目标及评价指标 | 第27-30页 |
| ·准确性 | 第28-29页 |
| ·覆盖率 | 第29页 |
| ·多样性 | 第29-30页 |
| ·新颖性 | 第30页 |
| ·推荐系统的主要方法 | 第30-35页 |
| ·协同过滤推荐 | 第30-33页 |
| ·基于内容的推荐 | 第33-35页 |
| ·社会网络推荐算法 | 第35-46页 |
| ·社会网络推荐的定义 | 第36页 |
| ·社会关系对推荐的影响 | 第36-38页 |
| ·基于内存的社会推荐算法 | 第38-41页 |
| ·基于矩阵分解的社会推荐算法 | 第41-46页 |
| ·实验数据集 | 第46-50页 |
| ·数据集简介 | 第46页 |
| ·数据集统计特征 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 3. 基于信息熵的用户相似度度量方法 | 第51-63页 |
| ·现有相似性度量算法及其局限性 | 第51-54页 |
| ·现有相似性度量算法 | 第51-52页 |
| ·局限性 | 第52-54页 |
| ·基于信息熵的兴趣相似度 | 第54-55页 |
| ·信息熵 | 第54页 |
| ·基于信息熵的兴趣相似度 | 第54-55页 |
| ·基于信息熵的用户相似度度量方法 | 第55-58页 |
| ·社会网络中的相熟度 | 第55-56页 |
| ·社会网络中的用户相似度 | 第56-58页 |
| ·实验结果及分析 | 第58-62页 |
| ·实验数据 | 第58-59页 |
| ·评价指标 | 第59页 |
| ·实验结果及分析 | 第59-61页 |
| ·参数选择 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 4. 基于用户认知水平的分类别推荐 | 第63-79页 |
| ·基于信任关系的社会网络推荐 | 第63页 |
| ·用户之间信任度的度量方法 | 第63-67页 |
| ·直接信任度 | 第64-65页 |
| ·一种新的用户信任度计算方法 | 第65-66页 |
| ·间接信任度 | 第66-67页 |
| ·基于用户认知水平的分类别推荐 | 第67-75页 |
| ·用户认知水平对推荐的影响 | 第67-69页 |
| ·用户认知水平的定义 | 第69-72页 |
| ·算法设计 | 第72-75页 |
| ·实验结果及分析 | 第75-77页 |
| ·实验数据 | 第75页 |
| ·实验结论及分析 | 第75-77页 |
| ·参数设置 | 第77页 |
| ·本章小结 | 第77-79页 |
| 5. 基于用户影响力和自适应相似度的社会网络推荐算法 | 第79-93页 |
| ·问题的提出及现有解决方法 | 第79-80页 |
| ·基于用户影响力的社会网络推荐 | 第80-88页 |
| ·基于矩阵分解的推荐算法 | 第80-81页 |
| ·用户影响力 | 第81-87页 |
| ·算法设计 | 第87-88页 |
| ·基于用户影响力和自适应相似度的社会网络推荐 | 第88-90页 |
| ·自适应用户相似度计算方法 | 第88-89页 |
| ·算法设计 | 第89-90页 |
| ·算法评估 | 第90-92页 |
| ·实验数据 | 第90页 |
| ·实验结果及讨论 | 第90-91页 |
| ·参数设置 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 6. 社会网络推荐系统原型设计 | 第93-107页 |
| ·社会网络推荐系统架构 | 第93-95页 |
| ·行为提取模块 | 第95-96页 |
| ·朋友圈模块 | 第96-98页 |
| ·用户之间的信任关系 | 第97页 |
| ·给用户推荐好友 | 第97-98页 |
| ·用户影响力 | 第98页 |
| ·推荐生成模块 | 第98-100页 |
| ·相似度表 | 第98-99页 |
| ·初始推荐结果 | 第99-100页 |
| ·推荐结果修正模块 | 第100-104页 |
| ·过滤模块 | 第100-101页 |
| ·排名模块 | 第101-103页 |
| ·推荐解释 | 第103-104页 |
| ·用户反馈 | 第104页 |
| ·本章小结 | 第104-107页 |
| 7. 总结和展望 | 第107-109页 |
| ·本文工作总结 | 第107-108页 |
| ·未来工作展望 | 第108-109页 |
| 参考文献 | 第109-123页 |
| 致谢 | 第123-125页 |
| 个人简历 | 第125页 |
| 攻读学位期间公开发表的论文 | 第125页 |