基于社交网络信任度的协同过滤推荐系统的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 传统推荐系统的国内外研究现状 | 第10-11页 |
| 1.2.2 基于社交网络推荐系统的国内外研究现状 | 第11-13页 |
| 1.2.3 现有研究的不足之处 | 第13-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 协同过滤推荐系统综述 | 第16-29页 |
| 2.1 推荐系统介绍 | 第16-18页 |
| 2.2 协同过滤推荐系统中的关键算法 | 第18-25页 |
| 2.2.1 基于邻居模型的推荐算法 | 第18-21页 |
| 2.2.2 基于矩阵分解的推荐算法 | 第21-22页 |
| 2.2.3 基于主题聚类的LDA | 第22-25页 |
| 2.3 推荐系统问题分析 | 第25-28页 |
| 2.3.1 稀疏性问题 | 第25-26页 |
| 2.3.2 冷启动问题 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于社交网络信任度的协同过滤推荐算法 | 第29-44页 |
| 3.1 社交网络信任度矩阵扩展算法 | 第29-34页 |
| 3.1.1 Page Rank计算全局信任度 | 第29-32页 |
| 3.1.2 局部信任度的扩展方法 | 第32-33页 |
| 3.1.3 综合全局信任度及局部信任度 | 第33-34页 |
| 3.2 基于LDA的社交网络用户主题挖掘 | 第34-38页 |
| 3.3 基于社交网络信任度的协同过滤推荐算法 | 第38-43页 |
| 3.3.1 隐含因子推荐模型 | 第38-39页 |
| 3.3.2 基于社交网络信任度的推荐算法 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 实验结果与分析 | 第44-58页 |
| 4.1 实验数据介绍 | 第44-45页 |
| 4.2 推荐模型评测方式 | 第45-46页 |
| 4.3 实验设计与结果 | 第46-57页 |
| 4.3.1 参数的影响分析 | 第46-47页 |
| 4.3.2 基于信任度的算法效果对比 | 第47-51页 |
| 4.3.3 与其他算法对比 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
