推荐系统中协同过滤算法及隐私保护机制研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 本文工作及组织结构 | 第14-16页 |
| 第2章 协同过滤推荐相关研究综述 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 数据预处理 | 第16-23页 |
| 2.2.1 全局影响 | 第16-19页 |
| 2.2.2 基准预测模型 | 第19-23页 |
| 2.3 协同过滤算法综述 | 第23-25页 |
| 2.3.1 主流方法 | 第23-24页 |
| 2.3.2 其他方法 | 第24-25页 |
| 2.4 算法评测指标 | 第25页 |
| 2.5 推荐系统和协同过滤面临的主要问题 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于线性回归的模型融合研究 | 第28-54页 |
| 3.1 协同过滤算法 | 第28-42页 |
| 3.1.1 基于邻域的模型 | 第28-34页 |
| 3.1.2 矩阵分解模型 | 第34-42页 |
| 3.2 融合方法 | 第42-44页 |
| 3.2.1 线性回归模型 | 第42-43页 |
| 3.2.2 神经网络模型 | 第43-44页 |
| 3.3 实验 | 第44-52页 |
| 3.3.1 数据集介绍 | 第44-45页 |
| 3.3.2 对比实验 | 第45-51页 |
| 3.3.3 结果分析 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 推荐系统中的隐私保护机制研究 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 隐私保护技术 | 第54-56页 |
| 4.2.1 基于数据加密的隐私保护 | 第54页 |
| 4.2.2 基于伪装的隐私保护 | 第54-55页 |
| 4.2.3 基于聚合的隐私保护 | 第55页 |
| 4.2.4 基于匿名的隐私保护 | 第55-56页 |
| 4.3 基于同态加密的隐私保护机制 | 第56-66页 |
| 4.3.1 同态加密 | 第56-57页 |
| 4.3.2 协同过滤 | 第57-58页 |
| 4.3.3 隐私保护系统 | 第58-63页 |
| 4.3.4 安全性分析 | 第63-64页 |
| 4.3.5 协议 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 总结与研究展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
