| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究主要内容 | 第9-10页 |
| 1.3 内容组织结构 | 第10-11页 |
| 2 树型网络结构综述 | 第11-24页 |
| 2.1 树型网络基本概念及特征 | 第11-12页 |
| 2.2 树型网络结构相似性计算方法 | 第12-23页 |
| 2.2.1 基于操作策略的树型网络结构相似性计算方法 | 第12-14页 |
| 2.2.2 基于分解策略的树型网络结构相似性计算 | 第14-17页 |
| 2.2.3 基于路径相似性的树型网络结构相似性计算 | 第17-19页 |
| 2.2.4 基于节点相似性的树型网络结构相似性计算 | 第19-20页 |
| 2.2.5 基于双边匹配法和最大公共子树的树型网络结构相似性计算 | 第20-23页 |
| 2.3 本章小节 | 第23-24页 |
| 3 WHPD:基于树型网络结构的用户相似性算法 | 第24-38页 |
| 3.1 基于树型网络的用户兴趣建模 | 第24-28页 |
| 3.1.1 用户兴趣树型网络的概念及生成 | 第24-25页 |
| 3.1.2 用户兴趣树型网络结构的特征分析 | 第25-28页 |
| 3.2 算法设计原则与计算阶段划分 | 第28-29页 |
| 3.3 用户兴趣树型网络结构编码 | 第29-34页 |
| 3.3.1 树的层次分解 | 第29-31页 |
| 3.3.2 母树编码 | 第31-32页 |
| 3.3.3 用户兴趣树编码 | 第32-34页 |
| 3.4 序列相似性计算 | 第34-36页 |
| 3.5 算例分析 | 第36-37页 |
| 3.6 小结 | 第37-38页 |
| 4 WHPD算法应用：以推荐算法为例 | 第38-47页 |
| 4.1 推荐系统的主要算法 | 第38-41页 |
| 4.1.1 内容过滤 | 第38-39页 |
| 4.1.2 协同过滤 | 第39-41页 |
| 4.1.3 混合过滤 | 第41页 |
| 4.2 推荐系统存在的问题 | 第41-42页 |
| 4.2.1 准确性问题 | 第41页 |
| 4.2.2 冷启动问题 | 第41-42页 |
| 4.2.3 数据稀疏性问题 | 第42页 |
| 4.3 基于WHPD的推荐系统 | 第42-46页 |
| 4.3.1 系统分析与设计 | 第42-44页 |
| 4.3.2 系统实现 | 第44-46页 |
| 4.4 小结 | 第46-47页 |
| 5 实验结果与分析 | 第47-58页 |
| 5.1 评价标准 | 第47-48页 |
| 5.2 实验一：δ值确定 | 第48-51页 |
| 5.2.1 母树建立 | 第48-49页 |
| 5.2.2 实验结果分析 | 第49-51页 |
| 5.3 实验二：TopN推荐 | 第51-55页 |
| 5.3.1 实现过程与设计 | 第51-52页 |
| 5.3.2 实验结果分析 | 第52-55页 |
| 5.3.3 小结 | 第55页 |
| 5.4 实验三：评分预测 | 第55-57页 |
| 5.4.1 实验结果分析 | 第55-57页 |
| 5.4.2 小结 | 第57页 |
| 5.5 实验总结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 未来研究展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-70页 |
| 研究生期间科研成果 | 第70页 |
