| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和社会意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 个性化推荐研究现状 | 第10-11页 |
| 1.2.2 基于标签的推荐研究现状 | 第11页 |
| 1.2.3 标签聚类研究现状 | 第11-12页 |
| 1.2.4 张量分解研究现状 | 第12页 |
| 1.2.5 用户信任研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 1.5 本章总结 | 第15-17页 |
| 2 推荐系统概述 | 第17-29页 |
| 2.1 推荐系统简介 | 第17-18页 |
| 2.2 主要推荐系统技术研究 | 第18-24页 |
| 2.2.1 基于协同过滤的推荐算法 | 第19-21页 |
| 2.2.2 基于内容的推荐算法 | 第21-22页 |
| 2.2.3 混合推荐算法 | 第22-24页 |
| 2.3 基于标签的推荐 | 第24-27页 |
| 2.3.1 标签 | 第24-25页 |
| 2.3.2 标签推荐系统 | 第25-27页 |
| 2.4 本章总结 | 第27-29页 |
| 3 基于标签聚类和张量分解的推荐算法 | 第29-45页 |
| 3.1 计算标签特征向量 | 第29-31页 |
| 3.1.1 标签聚类 | 第29页 |
| 3.1.2 标签共现分析 | 第29-30页 |
| 3.1.3 标签特征向量的计算 | 第30-31页 |
| 3.2 二分K-means聚类 | 第31-34页 |
| 3.2.1 K-means聚类 | 第31-32页 |
| 3.2.2 二分K-means聚类 | 第32-33页 |
| 3.2.3 基于标签共现的二分K-means聚类的实现 | 第33-34页 |
| 3.3 标签张量分解 | 第34-41页 |
| 3.3.1 张量定义 | 第34-36页 |
| 3.3.2 标签张量模型 | 第36-38页 |
| 3.3.3 HOSVD基本原理 | 第38-39页 |
| 3.3.4 基于HOSVD的标签张量分解 | 第39-41页 |
| 3.4 基于标签聚类的张量分解模型的实现 | 第41-42页 |
| 3.5 本章总结 | 第42-45页 |
| 4 融合信任关系的推荐算法的优化 | 第45-55页 |
| 4.1 计算用户信任 | 第45-50页 |
| 4.1.1 信任的定义 | 第45页 |
| 4.1.2 信任的属性 | 第45-46页 |
| 4.1.3 信任度计算模型 | 第46-48页 |
| 4.1.4 信任的分类 | 第48页 |
| 4.1.5 信任度的计算 | 第48-50页 |
| 4.2 计算用户兴趣相似度 | 第50-51页 |
| 4.3 结合用户信任与用户兴趣相似度 | 第51-52页 |
| 4.4 融合信任相似度与标签共现聚类的张量分解模型 | 第52-54页 |
| 4.4.1 算法思想的提出 | 第52-53页 |
| 4.4.2 信任相似度与张量分解的融合 | 第53页 |
| 4.4.3 算法处理流程 | 第53-54页 |
| 4.5 本章总结 | 第54-55页 |
| 5 实验设计与结果分析 | 第55-63页 |
| 5.1 实验数据集与环境 | 第55-56页 |
| 5.1.1 实验环境 | 第55页 |
| 5.1.2 实验数据集 | 第55-56页 |
| 5.2 评价指标 | 第56-57页 |
| 5.3 对比试验介绍 | 第57-58页 |
| 5.4 实验结果及分析 | 第58-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |
| A 作者在攻读硕士学位期间所发表的文章 | 第71页 |