基于用户思维方式的组合推荐算法
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·论文研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文主要工作与贡献 | 第14-16页 |
| ·文章结构安排 | 第16-17页 |
| 第二章 推荐算法中相关技术介绍 | 第17-25页 |
| ·协同过滤推荐技术 | 第17-19页 |
| ·社交网络推荐技术 | 第19-21页 |
| ·基于标签的推荐方法 | 第21-22页 |
| ·算法性能评价指标 | 第22-25页 |
| ·数据集 | 第22-23页 |
| ·评估标准 | 第23-25页 |
| 第三章 技术路线 | 第25-27页 |
| 第四章 基于信任关系重建和社交网络传递的推荐算法 | 第27-37页 |
| ·问题描述 | 第27页 |
| ·基于信任关系重建的社交网络传递的推荐算法 | 第27-30页 |
| ·去伪存真 | 第27-29页 |
| ·改进用户相似性 | 第29页 |
| ·潜在朋友推荐 | 第29-30页 |
| ·调节预测评分 | 第30页 |
| ·试验结果与分析 | 第30-36页 |
| ·试验方案 | 第30-31页 |
| ·去伪存真 | 第31-32页 |
| ·特殊用户处理 | 第32-33页 |
| ·用户相似性改进实验 | 第33页 |
| ·潜在朋友推荐 | 第33-34页 |
| ·二端分布函数调节评分 | 第34-35页 |
| ·TRSP算法与其他方法的比较 | 第35-36页 |
| ·本章总结 | 第36-37页 |
| 第五章 基于用户思维方式的组合推荐算法 | 第37-49页 |
| ·基于个性化时间段标签云的推荐算法 | 第37-40页 |
| ·用户偏好标签云推荐 | 第37-38页 |
| ·加权偏好标签云推荐 | 第38页 |
| ·用户时间标签云推荐 | 第38-39页 |
| ·个性化时间标签云推荐 | 第39-40页 |
| ·基于用户思维方式的组合推荐算法 | 第40-42页 |
| ·思维方式定义与度量 | 第40-41页 |
| ·组合推荐算法 | 第41-42页 |
| ·试验评估与分析 | 第42-48页 |
| ·试验方案 | 第42页 |
| ·偏好标签云推荐结果 | 第42-43页 |
| ·加权偏好标签云推荐结果 | 第43-44页 |
| ·时间标签云推荐结果 | 第44页 |
| ·加权时间标签云标签推荐结果 | 第44-45页 |
| ·个性化时间标签云推荐结果 | 第45-46页 |
| ·用户思维方式选择试验结果 | 第46页 |
| ·与其他论文算法比较 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 在读期间发表的学术论文与研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附录 | 第58-59页 |
| 附录A 图索引 | 第58页 |
| 附录B 表索引 | 第58-59页 |
| Appendix | 第59页 |
| Appendix A Figure Index | 第59页 |
| Appendix B Table Index | 第59页 |
