| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的与意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 推荐系统综述 | 第15-25页 |
| 2.1 推荐系统概述 | 第15-16页 |
| 2.2 推荐系统层次结构 | 第16-17页 |
| 2.3 推荐算法分类 | 第17-23页 |
| 2.3.1 基于内容的推荐算法 | 第17-18页 |
| 2.3.2 协同过滤推荐算法 | 第18-21页 |
| 2.3.3 混合推荐算法 | 第21页 |
| 2.3.4 社会化推荐算法 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于社交网络缺失值填充的协同过滤推荐算法 | 第25-33页 |
| 3.1 两阶段缺失值填充策略 | 第25-26页 |
| 3.2 基于用户社交关系的缺失值预测算法 | 第26-27页 |
| 3.2.1 熟悉度 | 第26-27页 |
| 3.2.2 填充缺失值 | 第27页 |
| 3.3 基于缺失值填充的协同过滤推荐算法 | 第27-28页 |
| 3.4 实验及分析 | 第28-32页 |
| 3.4.1 数据集 | 第28-29页 |
| 3.4.2 评价指标 | 第29-30页 |
| 3.4.3 实验对比及结果分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于社交网络物品组发现的协同过滤推荐算法 | 第33-43页 |
| 4.1 生成基于用户社区的物品组 | 第33-35页 |
| 4.2 构建物品隶属度矩阵 | 第35-36页 |
| 4.3 计算物品间相似度 | 第36-37页 |
| 4.4 基于物品隶属度矩阵的协同过滤推荐算法 | 第37-38页 |
| 4.4.1 算法描述 | 第37-38页 |
| 4.4.2 时间复杂度分析 | 第38页 |
| 4.5 实验及分析 | 第38-41页 |
| 4.5.1 不同训练集比例下隐式社交关系填充阈值对算法的影响 | 第38-39页 |
| 4.5.2 社区数量对算法的影响 | 第39-40页 |
| 4.5.3 相似度指标对结果的影响 | 第40页 |
| 4.5.4 算法时间对比 | 第40-41页 |
| 4.5.5 与其它推荐算法的结果比较 | 第41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间取得的研究成果 | 第49-51页 |
| 致谢 | 第51-53页 |
| 个人简况及联系方式 | 第53-57页 |