基于符号网络的推荐系统模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 本文的主要研究工作 | 第16-17页 |
| 1.4 本文的创新点 | 第17页 |
| 1.5 本文的内容安排 | 第17-19页 |
| 第二章 相关工作 | 第19-29页 |
| 2.1 推荐系统模型 | 第19-23页 |
| 2.1.1 基于内容的推荐系统 | 第19-20页 |
| 2.1.2 基于协同过滤的推荐系统 | 第20-21页 |
| 2.1.3 TARS模型介绍 | 第21-22页 |
| 2.1.4 TrustMF模型介绍 | 第22-23页 |
| 2.2 符号网络 | 第23-27页 |
| 2.2.1 结构平衡理论 | 第24-25页 |
| 2.2.2 地位理论 | 第25页 |
| 2.2.3 应用研究 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 构建信任网络 | 第29-34页 |
| 3.1 基于内核的信任网络搜索策略 | 第29-31页 |
| 3.2 预处理 | 第31-32页 |
| 3.2.1 重构信任网络 | 第31-32页 |
| 3.2.2 基于用户偏好的聚类 | 第32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 基于符号网络的推荐系统模型 | 第34-45页 |
| 4.1 引言 | 第34-35页 |
| 4.2 问题定义 | 第35-36页 |
| 4.3 模型思想 | 第36页 |
| 4.4 特征提取 | 第36-43页 |
| 4.4.1 度相关属性 | 第37-39页 |
| 4.4.2 节点对相关属性 | 第39-41页 |
| 4.4.3 结构属性 | 第41-43页 |
| 4.5 逻辑回归 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 实验与分析 | 第45-57页 |
| 5.1 数据集描述 | 第45页 |
| 5.2 评价指标 | 第45-49页 |
| 5.2.1 准确性 | 第46-48页 |
| 5.2.2 覆盖率 | 第48-49页 |
| 5.3 对比算法 | 第49-52页 |
| 5.4 实验结果及分析 | 第52-56页 |
| 5.4.1 Epinions数据集上的结果分析 | 第52-54页 |
| 5.4.2 Slashdot数据集上的结果分析 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65页 |
