基于多维信任模型的可信推荐方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·研究背景和意义 | 第12-13页 |
| ·协同过滤推荐算法的安全脆弱性分析 | 第13-14页 |
| ·信任的概念及其特征 | 第14-15页 |
| ·研究现状 | 第15-21页 |
| ·可信协同过滤推荐方法的研究现状 | 第15-20页 |
| ·top-N 推荐方法的研究现状 | 第20-21页 |
| ·主要研究内容 | 第21-22页 |
| ·本文组织结构 | 第22-23页 |
| 第2章 融合用户可疑度的多维信任模型 | 第23-38页 |
| ·引言 | 第23页 |
| ·基于密度的局部离群因子 | 第23-24页 |
| ·用户可疑度计算 | 第24-28页 |
| ·用户评分信息描述 | 第25页 |
| ·相关定义 | 第25-26页 |
| ·用户可疑度计算算法 | 第26-28页 |
| ·多维信任模型 | 第28-35页 |
| ·信息源可信性理论 | 第28-29页 |
| ·专业性 | 第29-30页 |
| ·相似性 | 第30-32页 |
| ·可信赖性 | 第32-33页 |
| ·多维信任模型的构建 | 第33页 |
| ·用户信任度计算算法 | 第33-35页 |
| ·参数的确定 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于双重邻居选取策略的协同过滤推荐方法 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·相关定义 | 第39-40页 |
| ·兴趣相似用户集的动态选取 | 第40-41页 |
| ·可信邻居用户集的选取 | 第41-44页 |
| ·基于双重邻居选取策略的推荐算法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 融合可信邻居模型的鲁棒协同推荐方法 | 第47-56页 |
| ·引言 | 第47页 |
| ·基本矩阵分解技术 | 第47-48页 |
| ·可信邻居模型 | 第48-50页 |
| ·鲁棒协同推荐算法 | 第50-53页 |
| ·实例分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 基于可靠用户的 top-N 推荐方法 | 第56-68页 |
| ·引言 | 第56页 |
| ·基于可靠用户的候选推荐项目选取方法 | 第56-60页 |
| ·可靠用户集的选取 | 第57-58页 |
| ·基于项目流行度的选取方法 | 第58-59页 |
| ·基于多样性推荐用户的选取方法 | 第59-60页 |
| ·基于用户偏好的选取方法 | 第60页 |
| ·top-N 推荐算法 | 第60-64页 |
| ·参数的确定 | 第64-66页 |
| ·实例分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 实验与评价 | 第68-83页 |
| ·实验数据 | 第68页 |
| ·实验评价指标 | 第68-70页 |
| ·用户信任计算模型性能评价 | 第70-71页 |
| ·基于双重邻居选取策略的协同过滤推荐算法性能评价 | 第71-75页 |
| ·算法的推荐精度对比 | 第71-72页 |
| ·算法的鲁棒性对比 | 第72-75页 |
| ·融合可信邻居模型的鲁棒协同推荐算法性能评价 | 第75-78页 |
| ·算法的推荐精度对比 | 第75页 |
| ·算法的鲁棒性对比 | 第75-78页 |
| ·基于可靠用户的 top-N 推荐方法性能评价 | 第78-82页 |
| ·推荐召回率对比 | 第78-79页 |
| ·top-N 推荐方法的鲁棒性对比 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-95页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第95-96页 |
| 致谢 | 第96-97页 |
| 作者简介 | 第97页 |
