基于社交网络的协同过滤算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 第二章 相关技术 | 第16-31页 |
| 2.1 社交网络概述 | 第16-19页 |
| 2.2 基于位置的服务概述 | 第19-20页 |
| 2.2.1 位置服务的定义 | 第19-20页 |
| 2.2.2 地理位置签到服务 | 第20页 |
| 2.3 个性化推荐算法 | 第20-31页 |
| 2.3.1 基于内容的推荐算法 | 第21-23页 |
| 2.3.2 协同过滤推荐算法 | 第23-29页 |
| 2.3.3 混合推荐技术 | 第29-31页 |
| 第三章 基于用户兴趣和社交信任的聚类推荐算法 | 第31-42页 |
| 3.1 社交网络推荐模型 | 第31-33页 |
| 3.2 算法描述 | 第33-37页 |
| 3.2.1 均值聚类方法 | 第33-34页 |
| 3.2.2 社交信任的相似度计算 | 第34-36页 |
| 3.2.3 构造邻居集合 | 第36页 |
| 3.2.4 预测评分 | 第36页 |
| 3.2.5 算法步骤 | 第36-37页 |
| 3.3 仿真实验和结果分析 | 第37-41页 |
| 3.3.1 数据集及预处理 | 第37页 |
| 3.3.2 评价标准 | 第37-38页 |
| 3.3.3 实验结果 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于位置的社交网络推荐算法 | 第42-52页 |
| 4.1 基于位置的社交网络推荐模型 | 第42-45页 |
| 4.2 算法设计 | 第45-48页 |
| 4.2.1 用户信任相似度 | 第45页 |
| 4.2.2 用户兴趣相似度计算 | 第45-46页 |
| 4.2.3 用户位置相似度计算 | 第46页 |
| 4.2.4 综合性相似度 | 第46-47页 |
| 4.2.5 产生推荐 | 第47页 |
| 4.2.6 算法步骤 | 第47-48页 |
| 4.3 仿真实验和结果分析 | 第48-50页 |
| 4.3.1 数据集简介 | 第48页 |
| 4.3.2 仿真实验结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文工作总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第60-61页 |
| 详细摘要 | 第61-67页 |
