基于网络社团分析的协作推荐方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 1.绪论 | 第13-31页 |
| ·研究背景与意义 | 第13-15页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究现状 | 第15-26页 |
| ·协作推荐研究现状 | 第15-22页 |
| ·网络社团研究现状 | 第22-26页 |
| ·协作推荐中的关键问题 | 第26-28页 |
| ·社会网络中社团对推荐的影响 | 第26页 |
| ·稀疏性问题 | 第26-27页 |
| ·推荐的时间变化问题 | 第27页 |
| ·推荐计算中的可扩展性问题 | 第27页 |
| ·推荐系统的冷启动问题 | 第27页 |
| ·推荐中的人机协同反馈认知问题 | 第27-28页 |
| ·论文的基本内容和结构 | 第28-31页 |
| 2.协作推荐网络中的社团特征分析 | 第31-47页 |
| ·基于网络的协作推荐框架 | 第31-34页 |
| ·传统推荐系统的网络映射 | 第31-32页 |
| ·基于网络的协作推荐框架 | 第32-33页 |
| ·协作推荐网络体系构架的优点 | 第33-34页 |
| ·基于网络社团的协作推荐的意义 | 第34-35页 |
| ·网络社团分析方法 | 第35-39页 |
| ·网络社团的描述指标 | 第36-38页 |
| ·网络社团发现方法 | 第38-39页 |
| ·基于代表能量的网络社团发现方法 | 第39-46页 |
| ·社团检测中的代表力竞争分析 | 第39-41页 |
| ·节点亲疏关系的获取 | 第41页 |
| ·网络社团个数的确定 | 第41-42页 |
| ·基于代表能量的网络社团发现算法(REBCD) | 第42-43页 |
| ·实例验证 | 第43-45页 |
| ·分析与讨论 | 第45-46页 |
| ·小结 | 第46-47页 |
| 3.基于网络社团发现的协作过滤推荐方法 | 第47-66页 |
| ·问题背景 | 第47页 |
| ·协作推荐网络体系中的协作过滤方法 | 第47-48页 |
| ·基于代表能量的用户网络社团的推荐方法 | 第48-55页 |
| ·基于代表能量竞争的网络社团发现简述 | 第48-49页 |
| ·基于加权谱分析的用户网络社团发现 | 第49-50页 |
| ·基于网络社团的用户协作过滤推荐 | 第50-51页 |
| ·实验分析 | 第51-55页 |
| ·分析与讨论 | 第55页 |
| ·基于最近邻网络社团的协作过滤推荐方法 | 第55-65页 |
| ·评价值加权的协作过滤推荐的网络映射 | 第56页 |
| ·基于评价数据的节点相似度计算 | 第56-57页 |
| ·最近邻网络社团映射的评价矩阵 | 第57-58页 |
| ·依据目标评价最近原则对用户邻居进行精选 | 第58-59页 |
| ·用户协作网络中的超线性推荐预测 | 第59-60页 |
| ·数据实验 | 第60-64页 |
| ·结果分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 4.基于时间加权的网络协作推荐方法 | 第66-88页 |
| ·问题背景 | 第66页 |
| ·协作推荐网络体系中的资源分配网络 | 第66-71页 |
| ·推荐网络体系中的资源对象网络 | 第66-67页 |
| ·二分网络概述 | 第67-68页 |
| ·二分网络的资源分配 | 第68-71页 |
| ·基于时间加权的资源分配网络协作推荐 | 第71-80页 |
| ·用户-对象网络中的时间衰减分析 | 第72-73页 |
| ·用户-对象网络中的兴趣转移延迟分析 | 第73-74页 |
| ·用户-资源对象网络中的推荐预测 | 第74-77页 |
| ·实验结果 | 第77-80页 |
| ·基于网络社团的冗余推荐能量的转移消减 | 第80-86页 |
| ·分配网络中的推荐冗余能量问题 | 第80-82页 |
| ·社团中不同位置的节点对推荐能量的转移 | 第82页 |
| ·网络节点交叠程度计算 | 第82页 |
| ·非负矩阵分解 | 第82-84页 |
| ·网络推荐能量的权的转移消减(ERTWN) | 第84页 |
| ·实验结果 | 第84-86页 |
| ·分析与讨论 | 第86页 |
| ·小结 | 第86-88页 |
| 5.基于网络云团的人机协作推荐方法 | 第88-110页 |
| ·问题背景 | 第88页 |
| ·推荐计算中的可扩展性问题 | 第88页 |
| ·推荐计算中的冷启动问题 | 第88页 |
| ·推荐计算中的人机协作认知 | 第88页 |
| ·云计算概述 | 第88-91页 |
| ·云计算产生的背景 | 第88-89页 |
| ·云计算的特征 | 第89-90页 |
| ·Google云计算的MAP-REDUCE框架 | 第90-91页 |
| ·基于网络云团的人机协作聚合推荐 | 第91-94页 |
| ·推荐网络体系中的网络云团 | 第91-93页 |
| ·基于网络云团的人机协作聚合推荐构架 | 第93-94页 |
| ·人机协作推荐反馈云模型的分析与设计 | 第94-101页 |
| ·人机协作推荐反馈的概述 | 第94-95页 |
| ·基于网络云团的人机协作推荐反馈分析 | 第95页 |
| ·贝叶斯推荐反馈云模型的分析与设计 | 第95-101页 |
| ·基于网络云团的评价偏好的人机协作聚合推荐 | 第101-109页 |
| ·网络云团内的评价反馈的偏好云 | 第101-102页 |
| ·基于项目云团的新用户冷启动的聚合推荐方法 | 第102-106页 |
| ·实例分析 | 第106-109页 |
| ·小结 | 第109-110页 |
| 6.结论与展望 | 第110-113页 |
| ·结论 | 第110-111页 |
| ·进一步的研究工作 | 第111-113页 |
| 主要创新点 | 第113-114页 |
| 参考文献 | 第114-121页 |
| 攻读博士学位期间发表学术论文情况 | 第121-122页 |
| 附录(主要参与项目) | 第122-123页 |
| 致谢 | 第123-124页 |
| 个人简介 | 第124-126页 |
