基于社交网络个体行为特征的信息推荐算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究工作的背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 协同过滤推荐系统 | 第15-16页 |
| 1.2.2 基于网络拓扑结构的推荐系统 | 第16-17页 |
| 1.2.3 社会化标签推荐系统 | 第17-18页 |
| 1.2.4 信任增强推荐系统 | 第18-20页 |
| 1.3 本文主要的研究内容和框架 | 第20-23页 |
| 第二章 推荐系统基础简介 | 第23-42页 |
| 2.1 推荐系统应用 | 第23-26页 |
| 2.2 推荐系统面临的挑战 | 第26-29页 |
| 2.3 推荐算法的分类 | 第29-35页 |
| 2.3.1 基于内容的推荐算法 | 第29-31页 |
| 2.3.2 协同过滤推荐算法 | 第31-32页 |
| 2.3.3 基于知识的推荐算法 | 第32-33页 |
| 2.3.4 基于社区的推荐算法 | 第33-34页 |
| 2.3.5 基于网络拓扑结构的推荐算法 | 第34-35页 |
| 2.3.6 混合推荐算法 | 第35页 |
| 2.4 推荐算法的评价指标 | 第35-39页 |
| 2.4.1 准确性指标 | 第35-38页 |
| 2.4.2 多样性和新颖性指标 | 第38-39页 |
| 2.5 实验数据集介绍 | 第39-41页 |
| 2.5.1 推荐算法的常用数据集 | 第39-40页 |
| 2.5.2 常用数据集划分方式 | 第40-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 基于节点相似性的推荐算法研究 | 第42-54页 |
| 3.1 引言 | 第42-43页 |
| 3.2 符号和数据 | 第43-44页 |
| 3.3 评价指标 | 第44-45页 |
| 3.4 基于节点相似性的算法设计 | 第45-49页 |
| 3.5 实验结果 | 第49-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于信任增强推荐算法研究 | 第54-79页 |
| 4.1 引言 | 第54-55页 |
| 4.2 信用增强相似性的推荐算法 | 第55-68页 |
| 4.2.1 问题提出 | 第55-56页 |
| 4.2.2 数据和符号 | 第56-57页 |
| 4.2.3 评价指标 | 第57-58页 |
| 4.2.4 算法设计 | 第58-61页 |
| 4.2.5 实验结果 | 第61-68页 |
| 4.3 基于信任关系的资源分配推荐算法 | 第68-77页 |
| 4.3.1 问题的提出 | 第68页 |
| 4.3.2 算法设计 | 第68-71页 |
| 4.3.3 实验结果 | 第71-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第五章 基于社会化标签的推荐算法研究 | 第79-105页 |
| 5.1 基于引力模型的推荐算法 | 第79-88页 |
| 5.1.1 问题提出 | 第79-80页 |
| 5.1.2 数据和符号 | 第80-81页 |
| 5.1.3 评价指标 | 第81-82页 |
| 5.1.4 基于引力模型的推荐算法 | 第82-84页 |
| 5.1.5 实验结果 | 第84-88页 |
| 5.2 对推荐算法的辅助研究 | 第88-103页 |
| 5.2.1 标签推荐系统的网络演化 | 第89-92页 |
| 5.2.1.1 基于引力机制的网络演化模型 | 第89页 |
| 5.2.1.2 数据和评价指标 | 第89-90页 |
| 5.2.1.3 网络特征 | 第90-92页 |
| 5.2.2 信息传播动力学研究 | 第92-103页 |
| 5.2.2.1 问题提出 | 第93-94页 |
| 5.2.2.2 符号和数据 | 第94页 |
| 5.2.2.3 算法设计 | 第94-100页 |
| 5.2.2.4 实验结果 | 第100-103页 |
| 5.3 本章小结 | 第103-105页 |
| 第六章 总结与展望 | 第105-108页 |
| 6.1 全文总结 | 第105-106页 |
| 6.2 未来展望 | 第106-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-125页 |
| 攻读博士学位期间取得的成果 | 第125页 |
