融合信任网络的协同过滤推荐算法
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-12页 |
| ·推荐系统的研究意义 | 第10页 |
| ·本文的主要工作和组织 | 第10-12页 |
| 第2章 推荐系统研究现状 | 第12-30页 |
| ·推荐系统的应用 | 第12页 |
| ·主要的推荐方法 | 第12-23页 |
| ·基于记忆的推荐算法 | 第13-15页 |
| ·基于模型的推荐算法 | 第15-17页 |
| ·基于内容的推荐算法 | 第17-19页 |
| ·基于图结构的推荐算法 | 第19-21页 |
| ·混合推荐算法 | 第21-22页 |
| ·其它推荐算法 | 第22-23页 |
| ·相似度计算方法 | 第23-25页 |
| ·基于共同评分项目相似度计算方法 | 第23-24页 |
| ·基于图结构的相似度计算方法 | 第24-25页 |
| ·评分估计方法 | 第25-26页 |
| ·推荐系统评价准则 | 第26-28页 |
| ·平均绝对误差 | 第26页 |
| ·均方根误差 | 第26-27页 |
| ·查全率 | 第27页 |
| ·查准率 | 第27-28页 |
| ·问题及分析 | 第28-30页 |
| ·稀疏性问题 | 第28页 |
| ·可扩展性问题 | 第28-29页 |
| ·特征提取问题 | 第29页 |
| ·其它问题 | 第29-30页 |
| 第3章 基于共同评分项目的相似度方法 | 第30-44页 |
| ·研究背景 | 第30页 |
| ·相似度计算方法 | 第30-33页 |
| ·协同过滤及其常采用的相似度计算方法 | 第30-31页 |
| ·基于态度一致性的相似度方法（ACS） | 第31页 |
| ·基于有限步随机游走的相似度方法（LRWA） | 第31-33页 |
| ·实验 | 第33-43页 |
| ·实验数据集及评价指标 | 第33-34页 |
| ·实验结果及分析 | 第34-43页 |
| ·小结 | 第43-44页 |
| 第4章 融合信任网络和评分数据的推荐算法 | 第44-60页 |
| ·研究背景 | 第44页 |
| ·相关工作分析 | 第44-45页 |
| ·算法思想及描述 | 第45-49页 |
| ·实验 | 第49-59页 |
| ·实验数据集及评价指标 | 第49-50页 |
| ·实验对比算法 | 第50-52页 |
| ·实验结果及分析 | 第52-59页 |
| ·小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 作者简介及在学期间所取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
