基于异构信息网络的协同过滤推荐技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 图表目录 | 第9-10页 |
| 第一章 绪论 | 第10-26页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 协同过滤推荐技术概述 | 第12-18页 |
| 1.2.1 基本概念 | 第12-15页 |
| 1.2.2 关键问题 | 第15-16页 |
| 1.2.3 研究现状 | 第16-18页 |
| 1.3 异构信息网络概述 | 第18-21页 |
| 1.3.1 基本概念 | 第18-20页 |
| 1.3.2 研究现状 | 第20-21页 |
| 1.4 本文的主要研究内容 | 第21-25页 |
| 1.4.1 研究思路 | 第22-23页 |
| 1.4.2 研究框架 | 第23-24页 |
| 1.4.3 全文的结构安排 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 第二章 异构推荐网络模型 | 第26-37页 |
| 2.1 相关研究 | 第26-27页 |
| 2.2 基于异构信息网络的推荐算法 | 第27-32页 |
| 2.2.1 模型定义 | 第27-29页 |
| 2.2.2 兴趣预测定义 | 第29-30页 |
| 2.2.3 推荐算法 | 第30-32页 |
| 2.3 实验结果与分析 | 第32-36页 |
| 2.3.1 实验数据集 | 第32-33页 |
| 2.3.2 度量标准 | 第33页 |
| 2.3.3 算法收敛性实验 | 第33-35页 |
| 2.3.4 算法推荐精确性实验 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 自适应修正相似性度量 | 第37-50页 |
| 3.1 相关研究 | 第37-38页 |
| 3.2 修正相似性度量的协同过滤推荐算法 | 第38-44页 |
| 3.2.1 相似性度量方法的问题分析 | 第39-40页 |
| 3.2.2 修正相似性度量的方法 | 第40-42页 |
| 3.2.3 兴趣预测定义 | 第42-43页 |
| 3.2.4 推荐算法 | 第43-44页 |
| 3.3 实验结果与分析 | 第44-49页 |
| 3.3.1 实验数据集 | 第44页 |
| 3.3.2 相似性度量标准比较 | 第44-47页 |
| 3.3.3 推荐算法推荐质量比较 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于异构信息网络的协同过滤推荐算法研究 | 第50-60页 |
| 4.1 真实网络分析 | 第50-51页 |
| 4.2 异构推荐网络的实时更新 | 第51-55页 |
| 4.2.1 真实网络数据的动态更新 | 第52-53页 |
| 4.2.2 预测网络数据的动态更新 | 第53-54页 |
| 4.2.3 近邻关系网络数据的动态更新 | 第54-55页 |
| 4.3 基于异构信息网络的协同过滤推荐算法 | 第55-58页 |
| 4.3.1 兴趣预测定义 | 第55-56页 |
| 4.3.2 推荐算法流程 | 第56-58页 |
| 4.4 实验结果与分析 | 第58-59页 |
| 4.4.1 实验数据集 | 第58页 |
| 4.4.2 推荐算法推荐质量比较 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 本文工作创新 | 第61页 |
| 5.3 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第70-71页 |
| 致谢 | 第71-72页 |
