基于信任关系推导和用户反馈的推荐系统研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 论文结构 | 第14-17页 |
| 第二章 相关工作 | 第17-23页 |
| 2.1 信任关系推理 | 第17-18页 |
| 2.1.1 基于传播特性的信任推荐 | 第17-18页 |
| 2.1.2 基于多维特性的信任推荐 | 第18页 |
| 2.1.3 基于相似特性的信任推荐 | 第18页 |
| 2.2 基本的推荐系统 | 第18-20页 |
| 2.2.1 多类别推荐系统 | 第19页 |
| 2.2.2 单类别推荐系统 | 第19-20页 |
| 2.3 基于信任关系的推荐系统 | 第20-21页 |
| 2.4 矩阵分解算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于信任关系推导和用户反馈的推荐系统框架 | 第23-27页 |
| 3.1 框架原理 | 第23-24页 |
| 3.2 推荐框架 | 第24-26页 |
| 3.2.1 信任关系推导模块 | 第25页 |
| 3.2.2 多类别推荐模块 | 第25-26页 |
| 3.2.3 单类别推荐模块 | 第26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于相似性和非负约束的信任推导模型 | 第27-39页 |
| 4.1 用户信任推理模型 | 第28-34页 |
| 4.1.1 符号及定义 | 第28-29页 |
| 4.1.2 加入非负约束 | 第29-31页 |
| 4.1.3 利用相似性计算扩展邻居模型 | 第31-32页 |
| 4.1.4 利用Logistic方法整合 | 第32-34页 |
| 4.2 实验评估与分析 | 第34-37页 |
| 4.2.1 数据集描述 | 第34页 |
| 4.2.2 评估方法 | 第34页 |
| 4.2.3 实验结果 | 第34-37页 |
| 4.3 本章小结 | 第37-39页 |
| 第五章 基于用户信任关系推导的多类别推荐模型 | 第39-51页 |
| 5.1 多类别反馈推理模型 | 第40-43页 |
| 5.1.1 符号及定义 | 第40-41页 |
| 5.1.2 模型公式 | 第41-43页 |
| 5.2 模型求解算法 | 第43-46页 |
| 5.2.1 学习权重W | 第43-45页 |
| 5.2.2 矩阵U和V的更新 | 第45-46页 |
| 5.3 实验评估与分析 | 第46-50页 |
| 5.3.1 实验设置 | 第46-48页 |
| 5.3.2 实验结果 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 基于用户信任关系推导的单类别推荐模型 | 第51-67页 |
| 6.1 单类别反馈推理模型 | 第52-54页 |
| 6.1.1 符号及定义 | 第52-53页 |
| 6.1.2 模型公式 | 第53-54页 |
| 6.2 模型求解算法 | 第54-61页 |
| 6.2.1 模型算法 | 第54-57页 |
| 6.2.2 算法分析 | 第57-61页 |
| 6.3 实验评估与分析 | 第61-66页 |
| 6.3.1 实验设置 | 第61-64页 |
| 6.3.2 实验结果 | 第64-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 工作总结 | 第67-68页 |
| 7.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 简历与科研成果 | 第74-75页 |
| 致谢 | 第75-76页 |
