| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本文研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 本文研究内容及组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 相关工作 | 第16-33页 |
| 2.1 流行度对用户的影响 | 第16-18页 |
| 2.2 推荐算法 | 第18-28页 |
| 2.2.1 基于人.统计学的推荐算法 | 第19-20页 |
| 2.2.2 基于内容的推荐算法 | 第20-21页 |
| 2.2.3 协同过滤推荐算法 | 第21-23页 |
| 2.2.4 基于规则的推荐算法 | 第23-24页 |
| 2.2.5 基于知识的推荐算法 | 第24-25页 |
| 2.2.6 基于效用的推荐算法 | 第25页 |
| 2.2.7 混合推荐算法 | 第25-26页 |
| 2.2.8 各种推荐算法比较 | 第26-28页 |
| 2.3 推荐算法评价指标 | 第28-29页 |
| 2.4 推荐算法面临的问题 | 第29-30页 |
| 2.5 基于社会心理学的推荐算法研究 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 流行度对用户影响的理论基础及实验分析 | 第33-45页 |
| 3.1 基本概念 | 第33-34页 |
| 3.2 兴趣的心理学原理 | 第34-38页 |
| 3.2.1 个体从众心理 | 第34-36页 |
| 3.2.2 马太效应 | 第36-37页 |
| 3.2.3 群体动力学理论 | 第37-38页 |
| 3.3 流行度和用户评分及行为分析 | 第38-44页 |
| 3.3.1 分析实验数据及表示方法 | 第38-39页 |
| 3.3.2 流行度对用户评分的影响 | 第39-42页 |
| 3.3.3 流行度对用户行为的影响 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于流行度影响的推荐算法研究 | 第45-57页 |
| 4.1 基于流行度的预测评分调整 | 第45-47页 |
| 4.2 基于流行度的推荐排序方法 | 第47-48页 |
| 4.3 基于流行度的协同过滤改进算法实验与结果分析 | 第48-56页 |
| 4.3.1 协同过滤算法基本过程 | 第48-52页 |
| 4.3.2 基于流行度预测评分调整的协同过滤算法实验与结果 | 第52-54页 |
| 4.3.3 基于流行度推荐排序的协同过滤算法实验与结果 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第63-64页 |
| 作者在攻读硕士学位期间所作的项目 | 第64-65页 |
| 致谢 | 第65页 |
