| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2. 国内外研究现状 | 第9-12页 |
| 1.2.1 个性化推荐系统研究概况 | 第9-10页 |
| 1.2.2 社交网络及其个性化推荐研究概况 | 第10-12页 |
| 1.3 现有研究的不足之处 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 2 个性化推荐系统 | 第14-24页 |
| 2.1 个性化推荐系统概述 | 第14-15页 |
| 2.2 个性化推荐方法 | 第15-21页 |
| 2.2.1 协同过滤推荐 | 第15-18页 |
| 2.2.2 基于内容的推荐 | 第18-19页 |
| 2.2.3 混合推荐 | 第19-20页 |
| 2.2.4 基于网络结构的推荐 | 第20页 |
| 2.2.5 其他推荐技术 | 第20-21页 |
| 2.3 相关技术 | 第21-24页 |
| 2.3.1 分类器 | 第21-22页 |
| 2.3.2 聚类 | 第22页 |
| 2.3.3 关联分析 | 第22-23页 |
| 2.3.4 降维 | 第23-24页 |
| 3 基于社交网络的个性化推荐 | 第24-30页 |
| 3.1 社交网络概述 | 第24-25页 |
| 3.1.1 社交网络的特点 | 第24-25页 |
| 3.1.2 社交网络结的理论基础 | 第25页 |
| 3.2 社交网络对个性化推荐的影响因素 | 第25-28页 |
| 3.2.1 社交网络的结构特征 | 第25-26页 |
| 3.2.2 社交网络的社会关系对个性化推荐的影响 | 第26-27页 |
| 3.2.3 社交网络的信息传播对个性化推荐的影响 | 第27页 |
| 3.2.4 社交网络的时间因素对个性化推荐的影响 | 第27-28页 |
| 3.3 基于社交网络个性化推荐研究 | 第28-29页 |
| 3.4 小结 | 第29-30页 |
| 4 基于社交网络结构的Top-N推荐 | 第30-36页 |
| 4.1 引言 | 第30页 |
| 4.2 算法描述 | 第30-34页 |
| 4.2.1 二分图模型 | 第30-32页 |
| 4.2.2 PersonalRank算法 | 第32-33页 |
| 4.2.3 基于社交网络的PersonalRank算法 | 第33-34页 |
| 4.3 关键参数计算 | 第34-36页 |
| 4.3.1 用户关系强度 | 第34-35页 |
| 4.3.2 用户对物品的兴趣度 | 第35-36页 |
| 5 实验与分析 | 第36-59页 |
| 5.1 实验数据 | 第36-37页 |
| 5.2 实验设计 | 第37-50页 |
| 5.2.1 算法设计 | 第37-38页 |
| 5.2.2 数据存储 | 第38-46页 |
| 5.2.3 数据选择 | 第46-50页 |
| 5.3 实验与分析 | 第50-59页 |
| 5.3.1 实验过程 | 第50-54页 |
| 5.3.2 结果分析 | 第54-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65页 |
| A. 作者在攻读学位期间发表的论文目录 | 第65页 |