| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究历史与现状 | 第12-15页 |
| 1.2.1 推荐系统 | 第12-13页 |
| 1.2.2 社区发现 | 第13-15页 |
| 1.3 本论文的主要贡献与创新 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关技术基础 | 第17-32页 |
| 2.1 推荐系统技术 | 第17-26页 |
| 2.1.1 推荐系统概述 | 第17页 |
| 2.1.2 常见的推荐算法 | 第17-23页 |
| 2.1.3 推荐系统评价指标 | 第23-26页 |
| 2.2 社区发现技术 | 第26-29页 |
| 2.2.1 社区发现的基本概念 | 第26-27页 |
| 2.2.2 常见的社区发现算法 | 第27-29页 |
| 2.3 数据降维 | 第29-31页 |
| 2.3.1 数据降维的基本概念 | 第29页 |
| 2.3.2 常见的数据降维算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于非重叠社区的个性化推荐算法 | 第32-50页 |
| 3.1 问题的提出 | 第32页 |
| 3.2 基于非重叠社区的个性化推荐算法 | 第32-36页 |
| 3.2.1 算法思想 | 第32-35页 |
| 3.2.2 算法描述 | 第35-36页 |
| 3.3 实验设计 | 第36-38页 |
| 3.3.1 实验数据集 | 第36-37页 |
| 3.3.2 评价指标 | 第37页 |
| 3.3.3 实验方法和过程 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-49页 |
| 3.4.1 用户特征维度对社区划分的影响 | 第38-41页 |
| 3.4.2 社区数目对推荐结果的影响 | 第41-45页 |
| 3.4.3 推荐列表长度对推荐结果的影响 | 第45-48页 |
| 3.4.4 推荐算法的效率对比 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于重叠社区的个性化推荐算法 | 第50-64页 |
| 4.1 问题的提出 | 第50页 |
| 4.2 基于重叠社区的个性化推荐算法 | 第50-54页 |
| 4.2.1 算法思想 | 第50-53页 |
| 4.2.2 算法描述 | 第53-54页 |
| 4.3 实验设计 | 第54-55页 |
| 4.3.1 实验数据集 | 第54页 |
| 4.3.2 评价指标 | 第54-55页 |
| 4.3.3 实验方法和过程 | 第55页 |
| 4.4 实验结果与分析 | 第55-63页 |
| 4.4.1 用户特征维度对重叠社区划分的影响 | 第55-57页 |
| 4.4.2 模糊系数对重叠社区划分的影响 | 第57-58页 |
| 4.4.3 社区数目对推荐结果的影响 | 第58-61页 |
| 4.4.4 重叠社区推荐的性能分析 | 第61-62页 |
| 4.4.5 推荐算法的效率对比 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 用户特征动态更新的社区推荐算法 | 第64-76页 |
| 5.1 问题的提出 | 第64页 |
| 5.2 基于用户特征增量式更新的非重叠社区推荐算法 | 第64-66页 |
| 5.2.1 算法思想 | 第64-65页 |
| 5.2.2 算法描述 | 第65-66页 |
| 5.3 基于新用户特征投影的非重叠社区推荐算法 | 第66-68页 |
| 5.3.1 算法思想 | 第66-67页 |
| 5.3.2 算法描述 | 第67-68页 |
| 5.4 实验设计 | 第68-69页 |
| 5.4.1 实验数据集 | 第68-69页 |
| 5.4.2 评价指标 | 第69页 |
| 5.4.3 实验方法和过程 | 第69页 |
| 5.5 实验结果与分析 | 第69-75页 |
| 5.5.1 增量式更新算法结果分析 | 第69-74页 |
| 5.5.2 投影式更新算法结果分析 | 第74-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第六章 总结及展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 下一步工作和展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85页 |