| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 论文研究内容及意义 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关理论与技术 | 第17-30页 |
| 2.1 社交网络相关理论 | 第17-21页 |
| 2.1.1 社交网络概述 | 第17-18页 |
| 2.1.2 社团发现 | 第18-20页 |
| 2.1.3 角色划分 | 第20-21页 |
| 2.2 推荐系统相关理论 | 第21-25页 |
| 2.2.1 推荐系统概述 | 第21-22页 |
| 2.2.2 主要推荐技术 | 第22-25页 |
| 2.3 基于社交网络的推荐 | 第25-28页 |
| 2.3.1 基于社交网络的推荐概述 | 第25页 |
| 2.3.2 基于图的社会化推荐 | 第25-26页 |
| 2.3.3 社交网络中的好友推荐 | 第26-28页 |
| 2.4 自适应相关理论 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于二部图的层次化推荐模型 | 第30-39页 |
| 3.1 模型框架 | 第30-31页 |
| 3.2 兴趣与角色社团发现 | 第31-33页 |
| 3.2.1 兴趣社团发现 | 第31-32页 |
| 3.2.2 角色社团发现 | 第32-33页 |
| 3.3 角色差异下的层次化推荐 | 第33-35页 |
| 3.4 算法设计与分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 面向社交用户的自适应推荐系统 | 第39-47页 |
| 4.1 整体设计 | 第39-40页 |
| 4.2 自适应推荐系统 | 第40-43页 |
| 4.2.1 多算法集成与标准接口统一 | 第40页 |
| 4.2.2 用户特征挖掘 | 第40-42页 |
| 4.2.3 推荐算法分类器集生成 | 第42-43页 |
| 4.2.4 自适应匹配与更新推荐算法 | 第43页 |
| 4.3 算法设计与分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实验与分析 | 第47-60页 |
| 5.1 数据集 | 第47页 |
| 5.2 实验方案与评价指标 | 第47-49页 |
| 5.2.1 层次化推荐实验方案 | 第47-48页 |
| 5.2.2 推荐自适应实验方案 | 第48页 |
| 5.2.3 实验评价指标 | 第48-49页 |
| 5.3 层次化推荐模型验证 | 第49-55页 |
| 5.3.1 计算效率的实验对比分析 | 第49-50页 |
| 5.3.2 基于社团-用户二部图的角色划分实验对比分析 | 第50-52页 |
| 5.3.3 基于用户-用户二部图的推荐列表生成实验对比分析 | 第52-54页 |
| 5.3.4 基于二部图和角色划分的推荐实验对比分析 | 第54-55页 |
| 5.4 自适应推荐系统验证 | 第55-59页 |
| 5.4.1 推荐算法匹配实验对比分析 | 第55-57页 |
| 5.4.2 推荐算法分类器的生成与验证 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 结束语 | 第60-63页 |
| 6.1 研究工作总结 | 第60-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第69页 |
