| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 论文主要研究工作和组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 个性化推荐技术及相关理论 | 第16-26页 |
| 2.1 个性化推荐系统的定义 | 第16页 |
| 2.2 个性化推荐系统的组成 | 第16-17页 |
| 2.3 个性化推荐系统的应用 | 第17-19页 |
| 2.3.1 个性化推荐系统的发展历程 | 第17页 |
| 2.3.2 个性化推荐系统的分类 | 第17-19页 |
| 2.4 个性化推荐系统的推荐算法 | 第19-25页 |
| 2.4.1 基于关联规则的个性化推荐系统算法 | 第19-20页 |
| 2.4.2 基于内容的个性化推荐系统算法 | 第20-21页 |
| 2.4.3 基于协同过滤的个性化推荐系统算法 | 第21-24页 |
| 2.4.4 混合的个性化推荐系统算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 二部图的个性化推荐系统相关研究 | 第26-33页 |
| 3.1 二部图理论与原理 | 第26页 |
| 3.2 基于二部图的个性化推荐算法 | 第26-32页 |
| 3.2.1 基于物质扩散(MD)的二部图个性化推荐算法 | 第27-30页 |
| 3.2.2 基于热传导(HC)的二部图个性化推荐算法 | 第30-31页 |
| 3.2.3 热传导和物质扩散的混合推荐算法 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 引入信任的二部图电子商务个性化推荐算法设计 | 第33-49页 |
| 4.1 引入信任的二部图个性化推荐（TBG）算法改进内容 | 第33-34页 |
| 4.2 TBG推荐算法技术路线及实施流程 | 第34页 |
| 4.3 TBG推荐算法具体实现过程 | 第34-48页 |
| 4.3.1 划分近邻网络 | 第34-44页 |
| 4.3.1.1 计算用户相似度 | 第36-37页 |
| 4.3.1.2 计算用户信任度 | 第37-43页 |
| 4.3.1.3 相似度与信任度结合 | 第43-44页 |
| 4.3.1.4 生成最近邻网络 | 第44页 |
| 4.3.2 差异化商品初始资源配置 | 第44-46页 |
| 4.3.3 资源传输路径赋权 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验结果与分析 | 第49-60页 |
| 5.1 实验目的 | 第49页 |
| 5.2 实验环境及实验数据 | 第49-50页 |
| 5.3 实验内容及结果分析 | 第50-59页 |
| 5.3.1 实验1确定信任传输路径距离长度阈值 | 第50页 |
| 5.3.2 实验2确定相似度与信任度结合参数 | 第50-51页 |
| 5.3.3 实验3不同算法对比实验 | 第51-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 全文总结与展望 | 第60-63页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 后续工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
