| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 传统推荐算法 | 第17-18页 |
| 1.2.2 基于信任的推荐算法 | 第18-19页 |
| 1.3 研究内容及方法 | 第19-20页 |
| 1.4 文章组织结构 | 第20页 |
| 1.5 核心创新点 | 第20-22页 |
| 第二章 信任相关理论研究 | 第22-30页 |
| 2.1 信任的基本知识 | 第22-23页 |
| 2.1.1 信任的定义 | 第22页 |
| 2.1.2 信任的表示 | 第22-23页 |
| 2.1.3 信任的特性 | 第23页 |
| 2.2 信任模型理论基础 | 第23-27页 |
| 2.2.1 建立社交网络模型 | 第23-24页 |
| 2.2.2 信任度量分类 | 第24-26页 |
| 2.2.3 信任传播与聚合分析 | 第26-27页 |
| 2.3 信任模型研究 | 第27-28页 |
| 2.3.1 eBay信任模型 | 第27页 |
| 2.3.2 Eigen Trust信任模型 | 第27-28页 |
| 2.3.3 Appleseed信任模型 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 推荐算法的研究与分析 | 第30-44页 |
| 3.1 个性化推荐系统 | 第30-31页 |
| 3.2 协同过滤推荐算法 | 第31-37页 |
| 3.2.1 基本思路与流程 | 第31-32页 |
| 3.2.2 相似度衡量标准 | 第32-33页 |
| 3.2.3 最近邻协同过滤算法 | 第33-35页 |
| 3.2.4 基于模型的协同过滤算法 | 第35-37页 |
| 3.3 基于信任关系的推荐算法 | 第37-41页 |
| 3.3.1 SocialMF算法 | 第37-39页 |
| 3.3.2 TidalTrust算法 | 第39-40页 |
| 3.3.3 TrustWalker算法 | 第40-41页 |
| 3.4 常见推荐系统存在问题分析 | 第41-43页 |
| 3.4.1 数据稀疏问题 | 第41-42页 |
| 3.4.2 冷启动问题 | 第42页 |
| 3.4.3 抗攻击能力问题 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于信任关系与用户偏好的协同过滤算法 | 第44-66页 |
| 4.1 信任评分场景描述 | 第44-45页 |
| 4.2 社交网络信任模型的建立 | 第45-54页 |
| 4.2.1 定义与相关描述 | 第45-46页 |
| 4.2.2 社交网络初始化 | 第46-48页 |
| 4.2.3 传播模型的建立 | 第48-49页 |
| 4.2.4 模型信任传播过程分析 | 第49-54页 |
| 4.3 用户偏好相似度 | 第54-56页 |
| 4.3.1 产品体验相似度度量 | 第54-55页 |
| 4.3.2 兴趣相似度度量 | 第55页 |
| 4.3.3 偏好相似度度量指标 | 第55-56页 |
| 4.4 信任度与偏好相似度混合指标 | 第56-58页 |
| 4.5 综合偏好与信任关系的协同过滤算法实现 | 第58-65页 |
| 4.5.1 TPCF基本架构 | 第58-59页 |
| 4.5.2 相邻用户信任值初始化 | 第59页 |
| 4.5.3 信任度计算 | 第59-62页 |
| 4.5.4 相似度计算 | 第62页 |
| 4.5.5 考虑时间衰减的协同过滤算法 | 第62-64页 |
| 4.5.6 TPCF推荐流程 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 实验及结果分析 | 第66-84页 |
| 5.1 实验目的 | 第66页 |
| 5.2 实验环境及实验数据 | 第66-68页 |
| 5.3 评估标准 | 第68-69页 |
| 5.4 实验设计 | 第69页 |
| 5.5 实验结果分析 | 第69-83页 |
| 5.5.1 实验1验证信任模型阈值对迭代次数的影响 | 第69-70页 |
| 5.5.2 实验2验证信任模型初始能量输入对模型收敛速度的影响 | 第70-71页 |
| 5.5.3 实验3验证信任模型衰减因子对用户信任度分布的影响 | 第71-72页 |
| 5.5.4 实验4信任网络模型性能对比 | 第72-73页 |
| 5.5.5 实验5 sim相似度标准与其他标准性能对比 | 第73-74页 |
| 5.5.6 实验6推荐算法参数估计 | 第74-78页 |
| 5.5.7 实验7三种推荐算法性能对比 | 第78-79页 |
| 5.5.8 实验8三种推荐算法覆盖率对比 | 第79-81页 |
| 5.5.9 实验9三种推荐算法抗攻击能力对比 | 第81-82页 |
| 5.5.10 实验10常见推荐算法性能比较 | 第82-83页 |
| 5.6 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 作者简介 | 第92-93页 |
