基于社交网络用户兴趣的组推荐技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 组推荐系统的研究意义 | 第10-12页 |
| 1.2 推荐系统的研究现状 | 第12-16页 |
| 1.2.1 传统推荐算法 | 第12-13页 |
| 1.2.2 协同过滤算法 | 第13-14页 |
| 1.2.3 基于内存的?法 | 第14页 |
| 1.2.4 基于模型的协同过滤算法 | 第14-15页 |
| 1.2.5 组推荐系统研究现状 | 第15页 |
| 1.2.6 社交?络组推荐系统现状 | 第15-16页 |
| 1.3 本文的工作与贡献 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 组推荐系统概述及其相关技术 | 第18-30页 |
| 2.1 组推荐系统的一般描述 | 第18-19页 |
| 2.1.1 组推荐系统与传统推荐系统的异同 | 第19页 |
| 2.2 常用组推荐系统的算法和研究进展 | 第19-25页 |
| 2.2.1 组推荐的关键技术 | 第21-25页 |
| 2.3 评价标准 | 第25-26页 |
| 2.4 组推荐系统研究的难点和发展方向 | 第26-27页 |
| 2.5 社交网络研究介绍 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于外部信任网络的组推荐系统 | 第30-46页 |
| 3.1 概述 | 第30-32页 |
| 3.2 融合外部信任网络方法介绍 | 第32-34页 |
| 3.2.1 LVD | 第32-33页 |
| 3.2.2 LVTP | 第33-34页 |
| 3.3 基于外部信任关系的组推荐 | 第34-36页 |
| 3.3.1 融合策略的描述 | 第34-35页 |
| 3.3.2 GRITrust算法 | 第35-36页 |
| 3.4 实验及其结果 | 第36-44页 |
| 3.4.1 实验数据 | 第36-37页 |
| 3.4.2 评估?法描述 | 第37页 |
| 3.4.3 随机抽样实验 | 第37-39页 |
| 3.4.4 社交网络在组推荐中的利用率 | 第39-43页 |
| 3.4.5 小组人数为2 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于社交网络信任估计的组推荐系统 | 第46-54页 |
| 4.1 概述 | 第46-48页 |
| 4.1.1 同质性Homophily | 第46-47页 |
| 4.1.2 边测度 | 第47-48页 |
| 4.2 评估社交网络信任关系 | 第48-49页 |
| 4.3 融合信任估计评分预测 | 第49页 |
| 4.4 实验结果 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 进一步的工作 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录A (攻读学位其间发表论文目录) | 第64-66页 |
| 附录B | 第66页 |
