| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和目标 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第2章 基础知识和相关理论 | 第15-25页 |
| 2.1 好友推荐有关知识 | 第15-18页 |
| 2.1.1 好友推荐用户特征 | 第15-17页 |
| 2.1.2 好友推荐应用基础 | 第17-18页 |
| 2.2 好友推荐系统模型 | 第18-19页 |
| 2.3 好友推荐技术 | 第19-24页 |
| 2.3.1 传统的协同过滤好友推荐 | 第19-21页 |
| 2.3.2 基于内容匹配的好友推荐 | 第21-22页 |
| 2.3.3 基于社交图谱的好友推荐 | 第22-23页 |
| 2.3.4 基于混合算法的好友推荐 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 融入用户兴趣的个性化好友推荐算法 | 第25-39页 |
| 3.1 传统的 User-based CF 推荐算法 | 第25-29页 |
| 3.1.1 传统推荐模型 | 第25-27页 |
| 3.1.2 推荐算法描述 | 第27-29页 |
| 3.2 用户兴趣特征推荐 | 第29-34页 |
| 3.2.1 兴趣的描述 | 第29-31页 |
| 3.2.2 兴趣相似度 | 第31-34页 |
| 3.3 融入用户兴趣的 User-based 好友推荐算法 | 第34-35页 |
| 3.3.1 改进的用户相似度 | 第34页 |
| 3.3.2 获取用户最近邻居 | 第34-35页 |
| 3.3.3 生成好友推荐结果 | 第35页 |
| 3.4 融入算法的详细步骤 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 融入社交信任的个性化好友推荐算法 | 第39-46页 |
| 4.1 信任网络特征 | 第39页 |
| 4.2 信任邻居获取 | 第39-40页 |
| 4.3 融入社交信任的好友推荐算法 | 第40-43页 |
| 4.3.1 社交信任加权 | 第40-41页 |
| 4.3.2 构建融入评级 | 第41-42页 |
| 4.3.3 生成好友推荐 | 第42-43页 |
| 4.4 算法的详细步骤 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 实验结果和分析 | 第46-53页 |
| 5.1 实验环境配置 | 第46页 |
| 5.2 实验测评方式 | 第46-47页 |
| 5.3 实验评价标准 | 第47-48页 |
| 5.4 融入兴趣的好友推荐实验结果及其分析 | 第48-51页 |
| 5.4.1 数据集 | 第48-49页 |
| 5.4.2 实验结果与分析 | 第49-51页 |
| 5.5 融入信任的好友推荐实验结果及其分析 | 第51-52页 |
| 5.5.1 数据集 | 第51页 |
| 5.5.2 实验结果与分析 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |