| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景 | 第15-16页 |
| 1.2 课题研究意义 | 第16-17页 |
| 1.3 研究现状及问题提出 | 第17-19页 |
| 1.4 本文主要贡献和组织结构 | 第19-23页 |
| 1.4.1 主要内容 | 第19-20页 |
| 1.4.2 组织结构 | 第20-23页 |
| 第二章 协同过滤推荐算法综述 | 第23-29页 |
| 2.1 引言 | 第23页 |
| 2.2 传统协同过滤推荐算法的基本流程 | 第23-25页 |
| 2.3 评测指标 | 第25-26页 |
| 2.3.1 预测准确性指标 | 第25页 |
| 2.3.2 排序准确性指标 | 第25-26页 |
| 2.3.3 覆盖率指标 | 第26页 |
| 2.3.4 多样性和新颖性指标 | 第26页 |
| 2.4 面临挑战 | 第26-27页 |
| 2.4.1 数据稀疏性、冷启动和可扩展性问题 | 第26-27页 |
| 2.4.2 准确性与多样性 | 第27页 |
| 2.4.3 个人隐私问题 | 第27页 |
| 2.4.4 鲁棒性问题 | 第27页 |
| 2.5 数据集与实验环境 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于一跳信任模型的协同过滤推荐算法 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 一跳信任模型的设计及相关概念 | 第30-31页 |
| 3.2.1 相关概念 | 第30-31页 |
| 3.2.2 模型的设计 | 第31页 |
| 3.3 算法的相关计算 | 第31-34页 |
| 3.3.1 用户对项目的信任度计算 | 第31-33页 |
| 3.3.2 用户之间的信任度计算 | 第33页 |
| 3.3.3 信任度与相似度整合 | 第33-34页 |
| 3.3.4 算法的流程 | 第34页 |
| 3.4、算法的性能分析 | 第34-36页 |
| 3.4.1 合理性分析 | 第35页 |
| 3.4.2 复杂度分析 | 第35-36页 |
| 3.5、仿真实验及结果分析 | 第36-39页 |
| 3.5.1 权值的验证及选取 | 第36-37页 |
| 3.5.2 准确度的仿真实验分析 | 第37-38页 |
| 3.5.3 复杂度的仿真实验分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于贡献因子的协同过滤推荐算法 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 邻居选择存在的问题及相关研究 | 第41-42页 |
| 4.3 算法设计 | 第42-44页 |
| 4.3.1 引入贡献因子的概念 | 第42-43页 |
| 4.3.2 引入贡献因子的邻居选择和推荐 | 第43-44页 |
| 4.3.3 算法流程 | 第44页 |
| 4.4 仿真实验 | 第44-45页 |
| 4.5 结束语 | 第45-47页 |
| 第五章 基于启发式聚类模型和类别相似度的协同过滤推荐算法 | 第47-59页 |
| 5.1 引言 | 第47页 |
| 5.2 启发式聚类模型的提出 | 第47-49页 |
| 5.3 算法的相关计算 | 第49-52页 |
| 5.3.1 欧式相似度 | 第49页 |
| 5.3.2 点密度和 a 的计算 | 第49-50页 |
| 5.3.3 项目类别相似度计算 | 第50-51页 |
| 5.3.4 引入类别相似度的预测评分计算 | 第51-52页 |
| 5.3.5 算法流程的设计 | 第52页 |
| 5.4 算法的性能分析 | 第52-53页 |
| 5.4.1 合理性分析 | 第52-53页 |
| 5.4.2 时间复杂度分析 | 第53页 |
| 5.5 仿真实验 | 第53-57页 |
| 5.5.1. 近邻数对算法精度的影响 | 第54页 |
| 5.5.2. 稀疏度对算法精度的影响 | 第54-55页 |
| 5.5.3. 用户数对算法精度的影响 | 第55-56页 |
| 5.5.4. 算法运行时间 | 第56-57页 |
| 5.6 结束语 | 第57-59页 |
| 第六章 基于低通滤波推荐模型的协同过滤推荐算法 | 第59-73页 |
| 6.1 引言 | 第59-60页 |
| 6.2 低通滤波模型的设计及相关概念 | 第60-62页 |
| 6.2.1 相关定义与概念 | 第60页 |
| 6.2.2 模型的设计 | 第60-62页 |
| 6.3 算法的相关计算 | 第62-66页 |
| 6.3.1 噪声提取 | 第62页 |
| 6.3.2 低通处理和可信度计算 | 第62-64页 |
| 6.3.3 相似性计算 | 第64-65页 |
| 6.3.4 算法的流程 | 第65-66页 |
| 6.4 算法的性能分析 | 第66-67页 |
| 6.4.1 合理性分析 | 第66-67页 |
| 6.4.2 复杂度分析 | 第67页 |
| 6.5 仿真实验 | 第67-71页 |
| 6.5.1. 近邻数对算法精度的影响 | 第67-69页 |
| 6.5.2. 稀疏度对算法精度的影响 | 第69-70页 |
| 6.5.3. 噪声干扰对算法精度的影响 | 第70页 |
| 6.5.4. 算法运行时间的分析 | 第70-71页 |
| 6.6 结束语 | 第71-73页 |
| 第七章 综合实验 | 第73-77页 |
| 7.1 综合模型的设计 | 第73-74页 |
| 7.2 仿真实验 | 第74-75页 |
| 7.3 结束语 | 第75-77页 |
| 第八章 总结展望 | 第77-79页 |
| 8.1 主要成果 | 第77-78页 |
| 8.2 工作展望 | 第78-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第85页 |
| 一、个人简历 | 第85页 |
| 二、攻读硕士学位期间发表和完成的学术论文 | 第85页 |
| 三、攻读硕士学位期间的科研情况 | 第85页 |