| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文的主要工作 | 第16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 推荐系统概述 | 第18-29页 |
| 2.1 协同过滤推荐 | 第18-23页 |
| 2.1.1 协同过滤推荐描述 | 第18-19页 |
| 2.1.2 基于用户的协同过滤推荐 | 第19-21页 |
| 2.1.3 基于项目的协同过滤推荐 | 第21-22页 |
| 2.1.4 协同过滤所面临的挑战 | 第22-23页 |
| 2.2 基于模型的推荐 | 第23-24页 |
| 2.2.1 Slope One推荐 | 第23-24页 |
| 2.2.2 SVD推荐 | 第24页 |
| 2.3 基于信任的推荐 | 第24-27页 |
| 2.3.1 基础算法 | 第25-27页 |
| 2.3.2 基于信任网络的推荐的挑战 | 第27页 |
| 2.4 基于扩散的推荐 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 融合标签传播和信任扩散的显性信任个性化推荐 | 第29-56页 |
| 3.1 研究动机和方法思路 | 第29页 |
| 3.2 信任 | 第29-30页 |
| 3.3 信任网络 | 第30-33页 |
| 3.3.1 非对称性 | 第31页 |
| 3.3.2 差异性 | 第31页 |
| 3.3.3 善变性 | 第31-32页 |
| 3.3.4 传递性 | 第32页 |
| 3.3.5 结合性 | 第32-33页 |
| 3.4 显性信任个性化推荐系统的架构 | 第33-34页 |
| 3.5 基于标签传播的大社区攫取改进算法 | 第34-41页 |
| 3.5.1 传统LPA算法 | 第34-35页 |
| 3.5.2 LPA的问题缺陷 | 第35-36页 |
| 3.5.3 改进后的标签传播算法 | 第36-41页 |
| 3.6 信任预处理算法 | 第41-42页 |
| 3.6.1 信任值 | 第41页 |
| 3.6.2 算法描述 | 第41-42页 |
| 3.7 信任扩散算法 | 第42-45页 |
| 3.8 评分预测 | 第45-46页 |
| 3.9 实验分析 | 第46-54页 |
| 3.9.1 数据集 | 第46-49页 |
| 3.9.2 评测指标 | 第49页 |
| 3.9.3 实验结果 | 第49-54页 |
| 3.10 本章小结 | 第54-56页 |
| 第四章 融合兴趣变化和用户行为的隐性信任个性化推荐 | 第56-67页 |
| 4.1 研究动机与方法思路 | 第56-57页 |
| 4.2 传统的基于项目的协同过滤 | 第57-58页 |
| 4.3 融合兴趣变化和用户行为的隐性信任推荐算法 | 第58-61页 |
| 4.3.1 兴趣变化 | 第58-59页 |
| 4.3.2 用户行为 | 第59-60页 |
| 4.3.3 融合兴趣变化和用户行为的隐性信任推荐 | 第60-61页 |
| 4.4 实验分析 | 第61-66页 |
| 4.4.1 数据集 | 第61页 |
| 4.4.2 评测指标 | 第61页 |
| 4.4.3 实验结果 | 第61-66页 |
| 4.5 本章小节 | 第66-67页 |
| 第五章 总结与展望 | 第67-68页 |
| 5.1 本文工作总结 | 第67页 |
| 5.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72-74页 |