| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 推荐系统研究现状 | 第13-14页 |
| 1.2.2 用户兴趣度问题研究现状与不足 | 第14-16页 |
| 1.2.3 基于社交网络信任度推荐算法研究现状与不足 | 第16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 个性化推荐系统及相关技术 | 第18-30页 |
| 2.1 个性化推荐系统 | 第18-20页 |
| 2.1.1 个性化推荐系统概述 | 第18页 |
| 2.1.2 个性化推荐系统结构 | 第18-20页 |
| 2.2 传统协同过滤推荐算法 | 第20-24页 |
| 2.2.1 基于用户的协同过滤算法 | 第21-22页 |
| 2.2.2 基于项目的协同过滤算法 | 第22-23页 |
| 2.2.3 算法存在问题 | 第23-24页 |
| 2.3 传统方法解决用户兴趣度迁移 | 第24-26页 |
| 2.3.1 时间窗口法 | 第24-25页 |
| 2.3.2 遗忘函数法 | 第25-26页 |
| 2.4 社交网络的信任度 | 第26-28页 |
| 2.4.1 信任定义 | 第26页 |
| 2.4.2 信任网络 | 第26-28页 |
| 2.5 基于社交网络信任度协同过滤推荐算法 | 第28-30页 |
| 2.5.1 基于社交网络算法优势 | 第28-29页 |
| 2.5.2 基于社交网络算法不足 | 第29-30页 |
| 第3章 基于社交网络综合信任度的推荐算法(CT) | 第30-45页 |
| 3.1 问题分析 | 第30-31页 |
| 3.2 社交网络推荐模型 | 第31-33页 |
| 3.2.1 经典模型 | 第31-33页 |
| 3.2.2 基于信任模型不足 | 第33页 |
| 3.3 基于综合信任度的推荐模型 | 第33-38页 |
| 3.3.1 信任值的计算方法 | 第33-35页 |
| 3.3.2 用户相似度 | 第35页 |
| 3.3.3 综合信任度 | 第35-38页 |
| 3.4 实验相关工作 | 第38-39页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验数据 | 第38-39页 |
| 3.4.3 评价指标 | 第39页 |
| 3.5 对比实验结果与分析 | 第39-44页 |
| 3.5.1 对比算法 | 第39-40页 |
| 3.5.2 实验参数的设置 | 第40-42页 |
| 3.5.3 与其他算法对比实验结果及分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于综合信任度与商品流行度的推荐模型(CT-PC) | 第45-50页 |
| 4.1 问题分析 | 第45页 |
| 4.2 商品流行度 | 第45-46页 |
| 4.3 基于综合信任度与商品流行度的推荐模型 | 第46-47页 |
| 4.4 实验相关工作 | 第47页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 实验数据 | 第47页 |
| 4.5 对比实验结果与分析 | 第47-49页 |
| 4.5.1 对比算法 | 第47-48页 |
| 4.5.2 实验结果及分析 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 进一步工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附录 | 第57-59页 |