| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究工作的背景与意义 | 第17-20页 |
| 1.2 国内外研究现状 | 第20-24页 |
| 1.2.1 耦合辅助信息的矩阵分解协同过滤模型研究现状 | 第20-21页 |
| 1.2.2 上下文感知个性化服务推荐系统结构及身份感知算法研究现状 | 第21-23页 |
| 1.2.3 朋友推荐系统隐私保护研究现状 | 第23-24页 |
| 1.3 本文的主要研究内容与组织结构 | 第24-27页 |
| 第二章 推荐系统概述 | 第27-50页 |
| 2.1 引言 | 第27页 |
| 2.2 推荐问题 | 第27-31页 |
| 2.2.1 评分预测和物品排序任务 | 第28-29页 |
| 2.2.2 用户偏好来源 | 第29-30页 |
| 2.2.3 用户偏好的稀缺性和冷启动 | 第30-31页 |
| 2.3 推荐技术分类 | 第31-39页 |
| 2.3.1 推荐技术分类方法 | 第31-32页 |
| 2.3.2 基于内容过滤的方法 | 第32-34页 |
| 2.3.3 协同过滤方法 | 第34-37页 |
| 2.3.4 其他推荐方法 | 第37-39页 |
| 2.4 矩阵分解协同过滤 | 第39-42页 |
| 2.4.1 评分预测矩阵分解模型 | 第39-40页 |
| 2.4.2 正反馈矩阵分解 | 第40-42页 |
| 2.5 推荐算法的评价 | 第42-49页 |
| 2.5.1 实验设置 | 第42-44页 |
| 2.5.2 评价方法 | 第44页 |
| 2.5.3 评价指标 | 第44-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第三章 耦合辅助信息的矩阵分解协同过滤算法研究 | 第50-69页 |
| 3.1 引言 | 第50-51页 |
| 3.2 矩阵分解协同过滤 | 第51-53页 |
| 3.2.1 基线预测器 | 第51-52页 |
| 3.2.2 过滤模型 | 第52-53页 |
| 3.3 矩阵分解混合协同过滤模型框架 | 第53-59页 |
| 3.3.1 模型框架的提出 | 第53-54页 |
| 3.3.2 隐因子修正成分的讨论 | 第54-55页 |
| 3.3.3 模型优化算法 | 第55-57页 |
| 3.3.4 模型的应用 | 第57-59页 |
| 3.4 耦合物品相似度 | 第59-63页 |
| 3.4.1 耦合模型 | 第59-60页 |
| 3.4.2 相似度计算 | 第60-63页 |
| 3.5 实验 | 第63-68页 |
| 3.5.1 实验设置 | 第63-64页 |
| 3.5.2 实验结果 | 第64-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第四章 耦合社会信任信息的矩阵分解协同过滤算法研究 | 第69-85页 |
| 4.1 引言 | 第69-70页 |
| 4.2 集成社会信任的矩阵分解混合系统过滤 | 第70-73页 |
| 4.2.1 社会关系研究 | 第70页 |
| 4.2.2 基于社会关系的推荐 | 第70-71页 |
| 4.2.3 基于信任感知的矩阵分解推荐算法 | 第71-73页 |
| 4.3 推荐算法的提出 | 第73-79页 |
| 4.3.1 模型的提出 | 第74-76页 |
| 4.3.2 用自编码器初始化 | 第76-77页 |
| 4.3.3 信任群组的检测 | 第77-79页 |
| 4.4 实验与分析 | 第79-83页 |
| 4.4.1 数据集 | 第79-80页 |
| 4.4.2 评价指标 | 第80-81页 |
| 4.4.3 实验结果 | 第81-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章 个性化服务推荐系统框架及身份感知算法设计 | 第85-114页 |
| 5.1 引言 | 第85页 |
| 5.2 上下文感知成为智慧家庭个性化服务推荐系统的研究热点 | 第85-89页 |
| 5.2.1 上下文感知计算 | 第85-87页 |
| 5.2.2 基于上下文的智慧家庭人机交互 | 第87-88页 |
| 5.2.3 基于上下文的户身份感知算法 | 第88-89页 |
| 5.3 基于上下文的智慧家庭个性化服务推荐系统框架 | 第89-96页 |
| 5.3.1 个性化服务推荐总体框架 | 第89-92页 |
| 5.3.2 原型系统的设计与实现 | 第92-96页 |
| 5.4 基于步态的用户身份感知算法研究 | 第96-105页 |
| 5.4.1 算法流程 | 第96-97页 |
| 5.4.2 训练阶段 | 第97-102页 |
| 5.4.3 识别阶段 | 第102页 |
| 5.4.4 实验结果 | 第102-105页 |
| 5.5 基于声纹的智能电视用户身份感知算法研究 | 第105-113页 |
| 5.5.1 算法简介 | 第105-108页 |
| 5.5.2 实验设置 | 第108-109页 |
| 5.5.3 实验分析 | 第109-113页 |
| 5.6 本章小结 | 第113-114页 |
| 第六章 朋友推荐系统的隐私保护算法研究 | 第114-130页 |
| 6.1 引言 | 第114页 |
| 6.2 隐私保护管理机制 | 第114-118页 |
| 6.2.1 应用模式分类 | 第114-116页 |
| 6.2.2 PRUB架构模式 | 第116-118页 |
| 6.3 PRUB算法设计 | 第118-124页 |
| 6.3.1 基于KNN的好友分类算法 | 第118-119页 |
| 6.3.2 基于可交换加密的匹配机制 | 第119-124页 |
| 6.4 PRUB理论证明及安全性分析 | 第124-126页 |
| 6.4.1 属性匹配的正确性 | 第125页 |
| 6.4.2 被动攻击分析 | 第125页 |
| 6.4.3 主动攻击分析 | 第125-126页 |
| 6.5 实验与结果分析 | 第126-129页 |
| 6.5.1 实验流程 | 第126-127页 |
| 6.5.2 推荐性能分析 | 第127-129页 |
| 6.6 本章小结 | 第129-130页 |
| 第七章 总结与展望 | 第130-133页 |
| 7.1 研究工作总结 | 第130-131页 |
| 7.2 未来工作展望 | 第131-133页 |
| 致谢 | 第133-134页 |
| 参考文献 | 第134-150页 |
| 攻读博士学位期间取得的成果 | 第150页 |
