| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景和意义 | 第13页 |
| ·主要研究工作 | 第13-15页 |
| ·论文的主要贡献 | 第15-16页 |
| ·论文内容和结构 | 第16-19页 |
| 第2章 个性化推荐和搜索技术综述 | 第19-39页 |
| ·引言 | 第19-22页 |
| ·个性化服务的发展历程 | 第19-20页 |
| ·个性化服务的意义与典型系统 | 第20-22页 |
| ·个性化推荐和搜索相关技术综述 | 第22-34页 |
| ·个性化服务中的基本技术 | 第22-25页 |
| ·协作过滤推荐技术 | 第25-28页 |
| ·基于内容的推荐技术和混合推荐技术 | 第28-30页 |
| ·个性化推荐近期研究进展和个性化搜索概述 | 第30-34页 |
| ·本章参考文献 | 第34-39页 |
| 第3章 基于Back-prop神经网络的协同推荐算法 | 第39-57页 |
| ·引言 | 第39-41页 |
| ·背景及相关工作 | 第39-40页 |
| ·本文研究的基本思路 | 第40-41页 |
| ·人工神经网络基础 | 第41-43页 |
| ·人工神经网络(ANN)的基本工作机制 | 第41-42页 |
| ·Delta法则和典型网络概要 | 第42-43页 |
| ·基于BP神经网络的协作过滤推荐算法 | 第43-48页 |
| ·TMNN-CFRA算法概述 | 第43-44页 |
| ·特征相似度提取 | 第44-45页 |
| ·基于BP神经网络的协作过滤推荐算法 | 第45-48页 |
| ·试验评测 | 第48-54页 |
| ·数据集 | 第48页 |
| ·评测指标与试验过程(Setup) | 第48-49页 |
| ·试验结果 | 第49-54页 |
| ·本章总结 | 第54-55页 |
| ·本章参考文献 | 第55-57页 |
| 第4章 基于模糊反馈改善冷启动推荐性能 | 第57-77页 |
| ·引言 | 第57-59页 |
| ·背景及相关工作 | 第57-58页 |
| ·何为冷启动问题 | 第57-58页 |
| ·针对冷启动问题的当前研究 | 第58页 |
| ·本章研究的基本思路和意义 | 第58-59页 |
| ·基于后向传播的神经网络学习用户偏好 | 第59-64页 |
| ·用户模糊反馈的形式化描述 | 第59-60页 |
| ·预备知识和用户喜好模型 | 第60-62页 |
| ·基于后向传播的神经网络从模糊反馈中学习用户的兴趣偏好 | 第62-64页 |
| ·基于最近邻居学习用户的模糊反馈 | 第64-67页 |
| ·针对模糊反馈的基本思考 | 第64-65页 |
| ·基于最近邻居学习用户的模糊反馈 | 第65-67页 |
| ·试验评估 | 第67-70页 |
| ·数据集 | 第67页 |
| ·评测指标和试验过程 | 第67-68页 |
| ·实验结果 | 第68-70页 |
| ·冷启动推荐总结及进一步的思考 | 第70-71页 |
| ·不同阶段的推荐问题综合 | 第71-74页 |
| ·本章参考文献 | 第74-77页 |
| 第5章 个性化的领域搜索 | 第77-95页 |
| ·引言 | 第77-78页 |
| ·背景及相关工作介绍 | 第77-78页 |
| ·PVSA算法概述和全文结构 | 第78页 |
| ·PVSA构建个性化域搜索的四个基本策略 | 第78-87页 |
| ·基于领域主题喜好(向量)的网页差异化策略 | 第79-81页 |
| ·基于领域元数据提升域需求同检索输出关联度 | 第81-82页 |
| ·基于用户偏好的检索名词差异化策略 | 第82-86页 |
| ·词典库更新策略 | 第86-87页 |
| ·个性化的领域搜索算法 | 第87-89页 |
| ·PVSA算法描述 | 第87页 |
| ·PVSA系统的基本工作流程 | 第87-89页 |
| ·试验评测 | 第89-93页 |
| ·实验平台搭建 | 第89-90页 |
| ·实验过程与实验结果 | 第90-93页 |
| ·本章总结 | 第93页 |
| ·本章参考文献 | 第93-95页 |
| 第6章 基于用户偏好的服务推荐 | 第95-114页 |
| ·引言 | 第95-97页 |
| ·背景及工作介绍 | 第95-96页 |
| ·PSRA算法的典型工作场景 | 第96-97页 |
| ·基于用户偏好的服务推荐的一般思考 | 第97-99页 |
| ·基于用户偏好的服务推荐的内涵 | 第97页 |
| ·针对基于用户偏好的服务推荐的一般考虑 | 第97-99页 |
| ·基于用户偏好的的服务推荐算法PSRA | 第99-105页 |
| ·PSRA算法的基本框架 | 第99-100页 |
| ·基于用户偏好的服务推荐算法 | 第100-105页 |
| ·服务推荐候选生成 | 第100-102页 |
| ·基于人口统计学要素的相似度测量 | 第102-103页 |
| ·融合人口特征和评价信息的(后继)服务推荐 | 第103-105页 |
| ·试验评测 | 第105-109页 |
| ·评测指标与数据基本划分 | 第105-106页 |
| ·实验过程与实验结果 | 第106-109页 |
| ·推荐问题的进一步研究——基于上下文的资源推荐策略 | 第109-112页 |
| ·本章总结 | 第112页 |
| ·本章参考文献 | 第112-114页 |
| 第7章 结束语 | 第114-118页 |
| ·论文总结和创新点 | 第114-115页 |
| ·进一步的研究和展望 | 第115-117页 |
| ·本章参考文献 | 第117-118页 |
| 攻读博士学位期间的主要论文 | 第118-119页 |
| 致谢 | 第119-120页 |
