一种融合信任关系的电影推荐算法
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 协同过滤推荐算法 | 第14-16页 |
| 1.2.2 社交关系推荐算法 | 第16-18页 |
| 1.3 研究内容、方法及创新点 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究方法 | 第19-20页 |
| 1.3.3 创新点 | 第20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 相关理论基础 | 第23-39页 |
| 2.1 基于内容的推荐算法 | 第23-25页 |
| 2.2 基于协同过滤的推荐算法 | 第25-29页 |
| 2.2.1 协同过滤推荐的分类及特点 | 第25-27页 |
| 2.2.2 相似性度量方法 | 第27-28页 |
| 2.2.3 评分预测方法 | 第28-29页 |
| 2.3 基于信任的推荐算法 | 第29-33页 |
| 2.3.1 信任的定义 | 第29-30页 |
| 2.3.2 信任的属性特征 | 第30-31页 |
| 2.3.3 融合信任的推荐算法 | 第31-33页 |
| 2.4 基于矩阵分解的推荐算法 | 第33-38页 |
| 2.4.1 基本矩阵分解 | 第33-35页 |
| 2.4.2 概率矩阵分解 | 第35-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 融合评分信任和社交信任的电影推荐算法 | 第39-56页 |
| 3.1 问题描述 | 第39-41页 |
| 3.2 评分信任度 | 第41-45页 |
| 3.2.1 兴趣相似用户获取 | 第41-43页 |
| 3.2.2 评分信任度确定 | 第43-45页 |
| 3.3 社交信任度 | 第45-48页 |
| 3.4 用户间推荐权重确定 | 第48-49页 |
| 3.5 评分预测 | 第49-53页 |
| 3.6 MT-PMF算法总结 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 实验及结果分析 | 第56-64页 |
| 4.1 实验准备 | 第56-58页 |
| 4.1.1 实验数据及环境 | 第56-57页 |
| 4.1.2 评价标准 | 第57-58页 |
| 4.2 实验分析 | 第58-63页 |
| 4.2.1 模型参数分析 | 第58-61页 |
| 4.2.2 算法对比分析 | 第61-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-67页 |
| 5.1 本文总结 | 第64-65页 |
| 5.2 未来展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的论文和科研情况 | 第73页 |
