| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第14-34页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-28页 |
| 1.3 当前研究存在的主要问题 | 第28-29页 |
| 1.4 本文研究内容与创新点 | 第29-31页 |
| 1.5 论文组织结构 | 第31-34页 |
| 2 融合细粒度显式用户社会关系的协同过滤推荐算法 | 第34-48页 |
| 2.1 引言 | 第34-35页 |
| 2.2 相关工作 | 第35-37页 |
| 2.3 矩阵分解模型介绍 | 第37-38页 |
| 2.4 融合细粒度显式用户社会关系的推荐算法 | 第38-43页 |
| 2.5 实验与分析 | 第43-47页 |
| 2.6 本章小结 | 第47-48页 |
| 3 基于隐式用户社会关系挖掘的协同过滤推荐算法 | 第48-64页 |
| 3.1 引言 | 第48-50页 |
| 3.2 相关工作 | 第50-52页 |
| 3.3 符号表示与框架描述 | 第52-53页 |
| 3.4 信任关系因素建模 | 第53-55页 |
| 3.5 隐式信任关系与不信任关系预测 | 第55-56页 |
| 3.6 基于隐式用户社会关系的推荐 | 第56页 |
| 3.7 实验与分析 | 第56-62页 |
| 3.8 本章小结 | 第62-64页 |
| 4 结合信任社区挖掘和稀疏评分填充的协同过滤推荐算法 | 第64-84页 |
| 4.1 引言 | 第64-66页 |
| 4.2 符号表示 | 第66页 |
| 4.3 面向信任关系与不信任关系的信任社区挖掘算法 | 第66-71页 |
| 4.4 稀疏评分数据填充算法 | 第71-74页 |
| 4.5 基于新用户资料的协同过滤推荐 | 第74-75页 |
| 4.6 实验与分析 | 第75-83页 |
| 4.7 本章小结 | 第83-84页 |
| 5 基于多类型社区结构融合的协同过滤推荐算法 | 第84-105页 |
| 5.1 引言 | 第84-86页 |
| 5.2 相关工作 | 第86-88页 |
| 5.3 符号表示与框架描述 | 第88页 |
| 5.4 多类型社区结构挖掘 | 第88-91页 |
| 5.5 融合多类型社区结构的推荐 | 第91-94页 |
| 5.6 实验与分析 | 第94-104页 |
| 5.7 本章小结 | 第104-105页 |
| 6 总结与展望 | 第105-109页 |
| 6.1 全文总结 | 第105-107页 |
| 6.2 未来工作展望 | 第107-109页 |
| 致谢 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 附录1 攻读学位期间发表论文目录 | 第120-122页 |
| 附录2 攻读博士学位期间参与的科研项目 | 第122页 |