基于信任网络的个性化推荐算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状综述 | 第9-10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 论文的结构安排 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 推荐系统相关技术概述 | 第12-19页 |
| 2.1 推荐算法介绍 | 第12-14页 |
| 2.1.1 推荐算法的本质与定义 | 第12页 |
| 2.1.2 推荐算法的研究方向 | 第12页 |
| 2.1.3 推荐系统的模块构成 | 第12-14页 |
| 2.2 推荐系统相关技术 | 第14页 |
| 2.2.1 搜索引擎技术 | 第14页 |
| 2.2.2 数据挖掘技术 | 第14页 |
| 2.3 常用的推荐算法阐述 | 第14-17页 |
| 2.3.1 协同过滤推荐算法 | 第14-16页 |
| 2.3.2 基于内容的推荐算法 | 第16-17页 |
| 2.3.3 基于关联规则的推荐算法 | 第17页 |
| 2.4 本章小结 | 第17-19页 |
| 第3章 基于信任的Slope one推荐算法 | 第19-32页 |
| 3.1 信任网络和Slope one的相关概念 | 第19-21页 |
| 3.1.1 信任的含义 | 第19页 |
| 3.1.2 信任网络 | 第19-20页 |
| 3.1.3 信任网络的作用 | 第20页 |
| 3.1.4 Slope one算法 | 第20-21页 |
| 3.2 基于信任的Slope one推荐算法设计 | 第21-25页 |
| 3.2.1 基于信任度的预测评分 | 第21-23页 |
| 3.2.2 Slope one加权预测 | 第23-24页 |
| 3.2.3 混合推荐算法 | 第24-25页 |
| 3.3 对比实验 | 第25-31页 |
| 3.3.1 实验环境 | 第25页 |
| 3.3.2 评估标准 | 第25-26页 |
| 3.3.3 数据处理 | 第26页 |
| 3.3.4 可调变量a的确定 | 第26-28页 |
| 3.3.5 算法分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于用户属性聚类的混合推荐算法 | 第32-41页 |
| 4.1 聚类和混合推荐的相关概念 | 第32-34页 |
| 4.1.1 聚类算法 | 第32-33页 |
| 4.1.2 混合推荐 | 第33-34页 |
| 4.2 基于用户属性聚类的混合推荐算法设计 | 第34-36页 |
| 4.2.1 基于用户属性的K均值聚类 | 第34-35页 |
| 4.2.2 用户的兴趣相似度 | 第35-36页 |
| 4.2.3 基于用户属性聚类的预测评分 | 第36页 |
| 4.3 对比实验 | 第36-40页 |
| 4.3.1 实验环境 | 第36-37页 |
| 4.3.2 数据处理 | 第37页 |
| 4.3.3 算法分析 | 第37-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-42页 |
| 5.1 总结 | 第41页 |
| 5.2 展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 在校期间发表的学术论文及研究成果 | 第45-46页 |
| 致谢 | 第46页 |
