面向异构社交网络的个性化推荐技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究目的与意义 | 第16-17页 |
| 1.4 研究内容及主要工作 | 第17-18页 |
| 1.5 论文结构安排 | 第18-20页 |
| 第二章 个性化推荐系统及推荐技术 | 第20-32页 |
| 2.1 个性化推荐系统 | 第20-21页 |
| 2.2 个性化推荐算法 | 第21-27页 |
| 2.2.1 基于内容的个性化推荐算法 | 第21-23页 |
| 2.2.2 基于协同过滤的个性化推荐算法 | 第23-26页 |
| 2.2.3 混合的个性化推荐算法 | 第26-27页 |
| 2.3 推荐算法的评价指标 | 第27-30页 |
| 2.3.1 准确度指标 | 第27-29页 |
| 2.3.2 覆盖率指标 | 第29-30页 |
| 2.3.3 多样性指标 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于异步双向随机游走的相似度测量算法 | 第32-52页 |
| 3.1 问题描述 | 第32-34页 |
| 3.2 问题定义 | 第34-36页 |
| 3.2.1 异构社交网络 | 第34-35页 |
| 3.2.2 网络模型 | 第35-36页 |
| 3.2.3 元路径 | 第36页 |
| 3.3 基于异步双向随机游走的相似度测量算法 | 第36-44页 |
| 3.3.1 异步双向随机游走模型 | 第36-37页 |
| 3.3.2 基于异步双向随机游走的相似度测量 | 第37-42页 |
| 3.3.3 复杂度分析 | 第42-44页 |
| 3.4 实验及结果分析 | 第44-50页 |
| 3.4.1 实验数据 | 第44-45页 |
| 3.4.2 实验评估方法与指标 | 第45-46页 |
| 3.4.3 实验结果及分析 | 第46-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 基于贝叶斯排序优化的Top-N推荐算法 | 第52-66页 |
| 4.1 Top-N推荐问题描述 | 第52-54页 |
| 4.2 基于贝叶斯排序优化的推荐模型 | 第54-57页 |
| 4.2.1 元路径搜索 | 第54-55页 |
| 4.2.2 推荐模型 | 第55页 |
| 4.2.3 贝叶斯排序优化 | 第55-57页 |
| 4.3 实验及结果分析 | 第57-64页 |
| 4.3.1 实验对比方法 | 第58-59页 |
| 4.3.2 实验结果及分析 | 第59-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文总结 | 第66-67页 |
| 5.2 前景展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 简历与科研成果 | 第74-76页 |
| 致谢 | 第76-77页 |
