| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文组织架构 | 第13-15页 |
| 第二章 个性化推荐算法相关介绍 | 第15-27页 |
| 2.1 个性化推荐系统的基本介绍 | 第15-16页 |
| 2.2 基于关联规则的推荐算法 | 第16-17页 |
| 2.3 协同过滤推荐算法 | 第17-20页 |
| 2.3.1 协同过滤推荐算法理论基础 | 第17页 |
| 2.3.2 协同过滤推荐算法分析及步骤 | 第17-20页 |
| 2.4 混合推荐算法 | 第20-22页 |
| 2.4.1 整体混合设计 | 第21页 |
| 2.4.2 并行混合设计 | 第21页 |
| 2.4.3 流水线混合设计 | 第21-22页 |
| 2.5 个性化推荐算法的主要实验方法及评价标准 | 第22-25页 |
| 2.5.1 个性化推荐算法的主要实验方法 | 第22-23页 |
| 2.5.2 个性化推荐算法的评价标准 | 第23-25页 |
| 2.6 个性化推荐算法所面临的问题 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 结合时间效应的推荐算法研究 | 第27-37页 |
| 3.1 时间效应简介 | 第27-28页 |
| 3.2 线性时间加权推荐算法 | 第28-30页 |
| 3.2.1 算法分析 | 第28-29页 |
| 3.2.2 算法流程图及步骤 | 第29-30页 |
| 3.3 结合时间窗口技术的时间加权推荐算法 | 第30-32页 |
| 3.3.1 算法分析 | 第30-31页 |
| 3.3.2 算法流程图及步骤 | 第31-32页 |
| 3.4 实验 | 第32-35页 |
| 3.4.1 数据集介绍 | 第33页 |
| 3.4.2 具体实验设计 | 第33-35页 |
| 3.4.3 实验结果分析 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 结合信任度的推荐算法研究 | 第37-51页 |
| 4.1 用户行为信任网络 | 第37-39页 |
| 4.2 用户行为信任度 | 第39-41页 |
| 4.2.1 信任度的分类 | 第39-40页 |
| 4.2.2 信任度的影响因素 | 第40-41页 |
| 4.3 基于Beth信任模型的推荐算法 | 第41-44页 |
| 4.3.1 Beth信任模型 | 第41-42页 |
| 4.3.2 算法流程图及步骤 | 第42-44页 |
| 4.4 基于改进Beth信任模型的推荐算法 | 第44-46页 |
| 4.4.1 现有Beth信任模型的不足 | 第44页 |
| 4.4.2 改进的Beth模型 | 第44-45页 |
| 4.4.3 基于改进Beth信任模型推荐算法程图及步骤 | 第45-46页 |
| 4.5 实验 | 第46-50页 |
| 4.5.1 数据集介绍 | 第46-47页 |
| 4.5.2 具体实验设计 | 第47-49页 |
| 4.5.3 实验结果分析 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 时间效应与信任模型相结合的推荐算法研究 | 第51-62页 |
| 5.1 改进时间效应算法与改进信任模型算法比较 | 第51-52页 |
| 5.2 时间效应与信任模型相结合的推荐算法分析 | 第52-54页 |
| 5.3 算法流程图及步骤 | 第54-55页 |
| 5.4 实验 | 第55-61页 |
| 5.4.1 数据集介绍 | 第55-57页 |
| 5.4.2 具体实验设计 | 第57-61页 |
| 5.4.3 实验结果分析 | 第61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简介 | 第70-71页 |