| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 协同过滤推荐研究现状 | 第11-14页 |
| 1.2.2 社会网络分析研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的结构和内容安排 | 第17-18页 |
| 第二章 相关理论基础 | 第18-38页 |
| 2.1 推荐系统算法 | 第18-24页 |
| 2.1.1 基于内容的推荐算法 | 第18-20页 |
| 2.1.2 基于关联规则的推荐算法 | 第20-22页 |
| 2.1.3 协同过滤推荐算法 | 第22页 |
| 2.1.4 其他推荐算法 | 第22-23页 |
| 2.1.5 混合推荐算法 | 第23-24页 |
| 2.2 协同过滤推荐算法 | 第24-30页 |
| 2.2.1 协同过滤的定义 | 第24-25页 |
| 2.2.2 协同过滤推荐主要算法 | 第25-28页 |
| 2.2.3 协同过滤推荐的步骤 | 第28-30页 |
| 2.3 社会网络分析 | 第30-35页 |
| 2.3.1 社会网络的定义 | 第31页 |
| 2.3.2 社会网络的表示 | 第31-33页 |
| 2.3.3 社会网络分析主要研究内容 | 第33-35页 |
| 2.4 已有研究成果的贡献与不足 | 第35-37页 |
| 2.4.1 主要贡献 | 第35-36页 |
| 2.4.2 不足之处 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 结合社会网络分析的协同过滤改进算法模型 | 第38-51页 |
| 3.1 基于社会网络分析的协同过滤改进算法模型框架 | 第38-40页 |
| 3.2 核心模块的实现原理 | 第40-50页 |
| 3.2.1 数据预处理 | 第40-47页 |
| 3.2.1.1 用户和项目聚类 | 第41-43页 |
| 3.2.1.2 用户信任度的确定 | 第43-47页 |
| 3.2.2 用户相似性计算 | 第47-49页 |
| 3.2.3 预测用户对项目的评分 | 第49-50页 |
| 3.2.4 推荐结果产生与评价 | 第50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 实验及结果分析 | 第51-55页 |
| 4.1 实验目的 | 第51页 |
| 4.2 实验环境与实验数据 | 第51-52页 |
| 4.3 评价指标 | 第52页 |
| 4.4 实验设计 | 第52页 |
| 4.5 实验结果与分析 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 本文工作总结 | 第55页 |
| 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66页 |