| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 相关研究综述 | 第10-18页 |
| 1.2.1 协同过滤推荐方法的研究综述 | 第10-15页 |
| 1.2.2 网络社区发现方法的研究综述 | 第15-17页 |
| 1.2.3 文献简评 | 第17-18页 |
| 1.3 研究内容 | 第18-20页 |
| 第二章 相关概念及理论基础 | 第20-26页 |
| 2.1 网络相关概念 | 第20-21页 |
| 2.1.1 社交网络 | 第20页 |
| 2.1.2 社交化电子商务 | 第20-21页 |
| 2.1.3 网络社区 | 第21页 |
| 2.2 社区发现算法及评价方法 | 第21-23页 |
| 2.2.1 Girvan-Newman算法 | 第21页 |
| 2.2.2 K-cores算法 | 第21-22页 |
| 2.2.3 模块度最大化度量算法 | 第22-23页 |
| 2.3 协同过滤推荐算法 | 第23-26页 |
| 2.3.1 基于用户的协同过滤推荐算法 | 第23-24页 |
| 2.3.2 基于项目的协同过滤推荐算法 | 第24-26页 |
| 第三章 基于社区发现和用户交互内容的协同过滤推荐算法 | 第26-33页 |
| 3.1 社区发现方法的融合 | 第26-27页 |
| 3.2 基于用户交互内容的相似度计算 | 第27-30页 |
| 3.2.1 个人魅力值计算 | 第27-29页 |
| 3.2.2 基于Jaccard相似性的相似度计算 | 第29页 |
| 3.2.3 融合个人魅力值系数的Jaccard相似度计算 | 第29-30页 |
| 3.3 基于用户交互内容的推荐值计算 | 第30-31页 |
| 3.3.1 不考虑项目评价的推荐值计算 | 第30-31页 |
| 3.3.2 考虑项目评价的推荐值计算 | 第31页 |
| 3.4 一种适用于社交化电子商务网站的协同过滤推荐算法 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 SUCF算法的应用 | 第33-48页 |
| 4.1 人人网数据爬取及数据描述 | 第33-39页 |
| 4.1.1 社交化电子商务网站人人网简介 | 第33-34页 |
| 4.1.2 人人网中数据的获取过程 | 第34-35页 |
| 4.1.3 人人网数据描述 | 第35-39页 |
| 4.2 SUCF算法应用方案 | 第39-40页 |
| 4.3 SUCF算法应用的有效性验证 | 第40-46页 |
| 4.3.1 SUCF算法中社区发现结果的有效性验证 | 第40-44页 |
| 4.3.2 SUCF推荐列表的差异性分析 | 第44-45页 |
| 4.3.3 SUCF算法推荐结果的精准度 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 结束语 | 第48-49页 |
| 附录 | 第49-64页 |
| 附录-1 网络数据爬取的具体过程 | 第49-51页 |
| 附录-2 网络数据爬取的代码 | 第51-64页 |
| 附录-2.1 FriendExe程序代码 | 第51-53页 |
| 附录-2.2 FriendParse程序代码 | 第53-55页 |
| 附录-2.3 ShareExe程序代码 | 第55-56页 |
| 附录-2.4 ShareParse程序代码 | 第56-59页 |
| 附录-2.5 GetShareData程序代码 | 第59-62页 |
| 附录-2.6 ClientFactory程序代码 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 在校期间完成的学术论文及参与科研情况 | 第68-69页 |
| 致谢 | 第69页 |
