| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-26页 |
| 2.1 协同过滤推荐算法 | 第16-20页 |
| 2.1.1 基于内存的协同过滤推荐算法 | 第16-18页 |
| 2.1.2 基于模型的协同过滤推荐算法 | 第18-20页 |
| 2.1.3 混合协同过滤推荐算法 | 第20页 |
| 2.2 信任网络相关知识 | 第20-24页 |
| 2.2.1 信任的定义及特性 | 第21-22页 |
| 2.2.2 信任的分类 | 第22-23页 |
| 2.2.3 信任网络在推荐系统中的应用 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 融合概率矩阵分解和邻居模型的协同推荐算法 | 第26-36页 |
| 3.1 引言 | 第26-27页 |
| 3.2 融合概率矩阵分解和邻居模型的协同推荐 | 第27-35页 |
| 3.2.1 基于概率矩阵分解的相似度计算方法（PMF-SCA） | 第27-30页 |
| 3.2.2 加权相似度计算方法 | 第30-33页 |
| 3.2.3 推荐算法（PNCF） | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 融合概率矩阵分解和信任模型的协同推荐算法 | 第36-46页 |
| 4.1 引言 | 第36-37页 |
| 4.2 融合概率矩阵分解和信任模型的协同推荐 | 第37-45页 |
| 4.2.1 信任网络扩展算法 | 第37-43页 |
| 4.2.2 加权相似度和信任度的融合 | 第43-44页 |
| 4.2.3 推荐算法描述（PTCF） | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 实验验证与分析 | 第46-56页 |
| 5.1 实验数据和设置 | 第46-48页 |
| 5.1.1 实验数据 | 第46-47页 |
| 5.1.2 数据设置 | 第47-48页 |
| 5.1.3 实验环境 | 第48页 |
| 5.2 实验评价指标 | 第48-49页 |
| 5.3 融合概率矩阵分解和邻居模型算法的对比实验及结果分析 | 第49-52页 |
| 5.3.1 参数对MAE值的影响 | 第49-50页 |
| 5.3.2 100K数据集下实验对比 | 第50-51页 |
| 5.3.3 1M数据集下实验对比 | 第51-52页 |
| 5.3.4 实验结果分析 | 第52页 |
| 5.4 融合概率矩阵分解和信任模型算法的对比实验及结果分析 | 第52-55页 |
| 5.4.1 实验参数确定 | 第52-53页 |
| 5.4.2 实验结果分析 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
