基于不信任模型的信任增强推荐方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 推荐算法的研究现状 | 第10-13页 |
| 1.3.1 经典的推荐方法 | 第10-13页 |
| 1.3.2 基于信任的社会化推荐方法 | 第13页 |
| 1.4 论文研究内容及组织结构 | 第13-17页 |
| 1.4.1 论文研究内容 | 第13-14页 |
| 1.4.2 论文组织结构 | 第14-17页 |
| 第2章 信任增强推荐的相关理论 | 第17-31页 |
| 2.1 推荐系统 | 第17-18页 |
| 2.2 基于内容的推荐方法 | 第18-20页 |
| 2.2.1 基于关键字的向量空间模型 | 第19-20页 |
| 2.2.2 基于内容推荐方法的优缺点 | 第20页 |
| 2.3 协同过滤推荐方法 | 第20-24页 |
| 2.3.1 相似度计算方法 | 第21-23页 |
| 2.3.2 评分预测 | 第23页 |
| 2.3.3 基准预测 | 第23-24页 |
| 2.4 社会化推荐 | 第24-27页 |
| 2.4.1 社会化推荐的定义 | 第24-25页 |
| 2.4.2 社会化推荐与传统推荐的区别 | 第25-26页 |
| 2.4.3 社会化推荐方法 | 第26-27页 |
| 2.4.4 传统协同过滤的局限 | 第27页 |
| 2.5 信任网络 | 第27-29页 |
| 2.5.1 信任网络的定义 | 第27-28页 |
| 2.5.2 信任属性 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 基于矩阵分解的不信任增强推荐方法 | 第31-49页 |
| 3.1 不信任关系 | 第31-34页 |
| 3.1.1 不信任关系的潜在价值 | 第31-32页 |
| 3.1.2 不信任关系的属性特征 | 第32-34页 |
| 3.2 不信任增强推荐方法框架 | 第34-36页 |
| 3.2.1 基于邻域的模型与矩阵分解模型的比较 | 第34-36页 |
| 3.2.2 算法框架设计 | 第36页 |
| 3.3 不信任关系预测模型 | 第36-41页 |
| 3.3.1 用户交互数据分析 | 第37-39页 |
| 3.3.2 预测模型 | 第39-41页 |
| 3.4 基于矩阵分解的不信任增强推荐方法 | 第41-48页 |
| 3.4.1 信任和不信任关系模型 | 第41-43页 |
| 3.4.2 不信任增强矩阵分解 | 第43-45页 |
| 3.4.3 基于最小批量随机梯度下降优化 | 第45-47页 |
| 3.4.4 评分预测 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 实验验证与结果分析 | 第49-59页 |
| 4.1 实验环境 | 第49页 |
| 4.2 推荐算法评估指标 | 第49-50页 |
| 4.3 实验数据集 | 第50-52页 |
| 4.4 模型调优 | 第52-54页 |
| 4.4.1 迭代次数 | 第52-53页 |
| 4.4.2 模型参数 | 第53-54页 |
| 4.5 实验比较与分析 | 第54-57页 |
| 4.5.1 不信任信息和信任信息对矩阵分解的影响 | 第55页 |
| 4.5.2 与传统协同过滤方法的比较 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
