基于领域敏感的社会化推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和选题意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 选题意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要研究内容及创新点 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 相关工作 | 第19-32页 |
| 2.1 推荐系统概述 | 第19-20页 |
| 2.2 个性化推荐算法研究 | 第20-24页 |
| 2.2.1 基于内容的推荐 | 第20-21页 |
| 2.2.2 基于协同过滤的推荐 | 第21-23页 |
| 2.2.3 混合推荐 | 第23-24页 |
| 2.3 社会化推荐相关研究 | 第24-27页 |
| 2.3.1 社会化网络 | 第24-25页 |
| 2.3.2 社会化推荐系统 | 第25-26页 |
| 2.3.3 社会化推荐生成技术 | 第26-27页 |
| 2.4 概率模型与社会化推荐 | 第27-28页 |
| 2.4.1 基本概率模型 | 第27-28页 |
| 2.4.2 融入社会关系 | 第28页 |
| 2.5 矩阵分解与社会化推荐 | 第28-31页 |
| 2.5.1 基本矩阵分解模型 | 第28-29页 |
| 2.5.2 融入社会关系 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于领域敏感兴趣圈的社会化推荐算法 | 第32-48页 |
| 3.1 问题分析 | 第32-33页 |
| 3.2 领域敏感兴趣圈算法 | 第33-41页 |
| 3.2.1 概率矩阵分解PMF模型 | 第33-34页 |
| 3.2.2 领域敏感兴趣圈DSC模型 | 第34-38页 |
| 3.2.3 模型融合 | 第38-40页 |
| 3.2.4 DSC-PMF算法框架 | 第40-41页 |
| 3.3 实验结果及分析 | 第41-46页 |
| 3.3.1 实验数据集与实验环境 | 第41-42页 |
| 3.3.2 对比实验算法与评价指标 | 第42-43页 |
| 3.3.3 实验设计 | 第43-44页 |
| 3.3.4 复杂度分析 | 第44页 |
| 3.3.5 实验结果与分析 | 第44-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 一种敏感领域检测的社会化推荐算法 | 第48-61页 |
| 4.1 问题分析 | 第48-49页 |
| 4.2 敏感领域划分算法 | 第49-53页 |
| 4.2.1 评分预测RPM模型 | 第49-50页 |
| 4.2.2 敏感领域检测SDD模型 | 第50-51页 |
| 4.2.3 模型融合 | 第51-52页 |
| 4.2.4 SDD-RPM算法设计 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-59页 |
| 4.3.1 实验数据集与实验环境 | 第53-54页 |
| 4.3.2 对比实验算法与评价指标 | 第54-55页 |
| 4.3.3 实验设计 | 第55-56页 |
| 4.3.4 复杂度分析 | 第56-57页 |
| 4.3.5 实验结果与分析 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第70页 |
