| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第16-27页 |
| 1.1 研究工作的背景与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-24页 |
| 1.2.1 人类行为的时间特性研究 | 第18-20页 |
| 1.2.2 静态推荐算法研究 | 第20-22页 |
| 1.2.3 时间感知推荐算法研究 | 第22-24页 |
| 1.3 本文的主要研究内容与组织架构 | 第24-27页 |
| 第二章 推荐系统基础知识 | 第27-47页 |
| 2.1 推荐系统的商业应用 | 第27-31页 |
| 2.2 推荐系统面临的主要挑战 | 第31-34页 |
| 2.3 常用的推荐算法 | 第34-40页 |
| 2.3.1 协同过滤推荐算法 | 第34-36页 |
| 2.3.1.1 基于内存的协同过滤算法 | 第34-35页 |
| 2.3.1.2 基于模型的协同过滤算法 | 第35-36页 |
| 2.3.2 基于内容的推荐算法 | 第36-37页 |
| 2.3.3 基于上下文的推荐算法 | 第37页 |
| 2.3.4 基于网络结构的推荐算法 | 第37-39页 |
| 2.3.5 混合推荐算法 | 第39-40页 |
| 2.4 推荐系统评测指标 | 第40-43页 |
| 2.4.1 准确性指标 | 第40-42页 |
| 2.4.2 个性化指标 | 第42-43页 |
| 2.5 实验数据集介绍 | 第43-46页 |
| 2.5.1 公开数据集 | 第43-44页 |
| 2.5.2 数据集划分方式 | 第44-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第三章 基于显性评分的时间感知推荐算法研究 | 第47-65页 |
| 3.1 问题的提出 | 第47-48页 |
| 3.2 用户显性行为的时间特性分析 | 第48-52页 |
| 3.2.1 不同用户的评分标准差异 | 第48-50页 |
| 3.2.2 正负面评价的时间特性差异 | 第50-52页 |
| 3.3 正负面评价时序特性在推荐算法中的应用研究 | 第52-56页 |
| 3.3.1 基于正负面评价的时间感知推荐算法 | 第53-54页 |
| 3.3.2 基于曲线拟合的时间感知推荐算法 | 第54-56页 |
| 3.4 算法性能评测 | 第56-63页 |
| 3.4.1 实验数据集和对比算法 | 第56-57页 |
| 3.4.2 基于正负面评价的时间感知推荐算法性能分析 | 第57-60页 |
| 3.4.3 不同算法的推荐性能比较 | 第60-62页 |
| 3.4.4 基于曲线拟合的时间感知推荐算法性能分析 | 第62-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 基于隐性反馈的时间感知推荐算法研究 | 第65-77页 |
| 4.1 问题的提出 | 第65页 |
| 4.2 用户隐性反馈行为的时间特性分析 | 第65-68页 |
| 4.2.1 用户个体行为的时间特性 | 第65-67页 |
| 4.2.2 引领型邻居和跟随型邻居 | 第67-68页 |
| 4.3 基于资源分配的时间感知推荐模型 | 第68-71页 |
| 4.3.1 用户之间的时序影响 | 第69-70页 |
| 4.3.2 用户个体的兴趣漂移 | 第70-71页 |
| 4.4 算法性能评测 | 第71-76页 |
| 4.4.1 实验数据集和对比算法 | 第71-72页 |
| 4.4.2 时间感知算法的性能分析 | 第72-74页 |
| 4.4.3 不同算法的实验结果对比 | 第74-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 基于物品近期流行度的推荐算法研究 | 第77-93页 |
| 5.1 问题的提出 | 第77页 |
| 5.2 物品的时间特性研究 | 第77-79页 |
| 5.3 基于近期流行度的推荐算法 | 第79-83页 |
| 5.3.1 物品的近期流行度 | 第79-80页 |
| 5.3.2 融合近期流行度的推荐算法 | 第80-81页 |
| 5.3.3 融合近期流行度的推荐算法性能分析 | 第81-83页 |
| 5.4 近期流行度在热传导推荐算法中的研究 | 第83-88页 |
| 5.4.1 基于近期流行度的热传导算法 | 第83-84页 |
| 5.4.2 基于近期流行度的热传导算法性能分析 | 第84-88页 |
| 5.5 基于近期流行度的后处理算法 | 第88-91页 |
| 5.5.1 后处理算法在资源分配算法中的应用 | 第88-89页 |
| 5.5.2 后处理算法的性能分析 | 第89-91页 |
| 5.6 本章小结 | 第91-93页 |
| 第六章 基于相对时间的推荐算法研究 | 第93-105页 |
| 6.1 问题的提出 | 第93-94页 |
| 6.2 基于用户序列的资源分配算法 | 第94-95页 |
| 6.2.1 相关性计算 | 第94-95页 |
| 6.2.2 偏好预测 | 第95页 |
| 6.3 基于物品序列的资源分配算法 | 第95-98页 |
| 6.3.1 相似度计算 | 第96-98页 |
| 6.3.2 偏好预测 | 第98页 |
| 6.4 算法性能评测 | 第98-104页 |
| 6.4.1 实验数据集和对比算法 | 第98-99页 |
| 6.4.2 基于用户序列的资源分配算法性能分析 | 第99-101页 |
| 6.4.3 基于物品序列的资源分配算法性能分析 | 第101-102页 |
| 6.4.4 不同算法的推荐性能对比 | 第102-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第七章 总结与展望 | 第105-107页 |
| 7.1 研究工作总结 | 第105-106页 |
| 7.2 未来工作展望 | 第106-107页 |
| 致谢 | 第107-109页 |
| 参考文献 | 第109-122页 |
| 攻读博士学位期间取得的成果 | 第122-123页 |