| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 二部网络与推荐系统 | 第15-29页 |
| 2.1 二部网络 | 第15-16页 |
| 2.2 二部网络的社区挖掘 | 第16-17页 |
| 2.3 二部网络的连接预测 | 第17-19页 |
| 2.4 推荐系统 | 第19-20页 |
| 2.5 个性化推荐系统的框架 | 第20-21页 |
| 2.6 常用的推荐算法 | 第21-25页 |
| 2.6.1 协同过滤推荐算法 | 第21-22页 |
| 2.6.2 基于内容的推荐算法 | 第22页 |
| 2.6.3 基于网络结构推荐算法 | 第22-25页 |
| 2.7 个性化推荐系统的评价指标 | 第25-27页 |
| 2.8 本章小结 | 第27-29页 |
| 第三章 基于社区挖掘的社交网络推荐算法 | 第29-41页 |
| 3.0 二部网络的社区挖掘 | 第29-30页 |
| 3.1 兴趣密度值和稠密用户 | 第30-31页 |
| 3.2 模块度增量和标号传播算法 | 第31-33页 |
| 3.3 基于社区划分的推荐算法 | 第33-34页 |
| 3.4 算法的框架 | 第34-35页 |
| 3.5 实验结果与分析 | 第35-38页 |
| 3.5.1 数据集 | 第35页 |
| 3.5.2 评价方法 | 第35-36页 |
| 3.5.3 实验结果及分析 | 第36-38页 |
| 3.6 本章小结 | 第38-41页 |
| 第四章 Jaccard指标与奇异值混合推荐算法 | 第41-55页 |
| 4.1 协同过滤推荐算法 | 第41-42页 |
| 4.2 相似度指标的设计 | 第42-45页 |
| 4.2.1 Jaccard相似度和对评分矩阵的奇异值分解 | 第42-44页 |
| 4.2.2 相似度指标计算的框架与流程 | 第44-45页 |
| 4.3 Jaccard指标的增量式更新算法 | 第45-47页 |
| 4.3.1 算法的基本思想 | 第45-46页 |
| 4.3.2 算法时间复杂度的分析 | 第46-47页 |
| 4.4 动态奇异值分解的增量式算法 | 第47-49页 |
| 4.5 实验结果及分析 | 第49-53页 |
| 4.5.1 数据集 | 第49页 |
| 4.5.2 数据分析 | 第49-50页 |
| 4.5.3 增量算法的性能测试 | 第50-51页 |
| 4.5.4 算法的评价指标 | 第51-52页 |
| 4.5.5 实验性能的比较与分析 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 房屋推荐系统的设计与实现 | 第55-71页 |
| 5.1 系统需求分析 | 第55-56页 |
| 5.2 系统的整体框架设计 | 第56-57页 |
| 5.3 社区划分模块 | 第57-59页 |
| 5.4 房屋搜索模块 | 第59页 |
| 5.5 推荐模块 | 第59-61页 |
| 5.5.1 同价位推荐 | 第59-60页 |
| 5.5.2 同区域推荐 | 第60页 |
| 5.5.3 热门推荐 | 第60-61页 |
| 5.6 Web管理模块 | 第61-62页 |
| 5.7 系统实现与功能测试 | 第62-69页 |
| 5.7.1 用户登录界面 | 第62-63页 |
| 5.7.2 用户注册界面 | 第63-64页 |
| 5.7.3 用户个人信息界面 | 第64-65页 |
| 5.7.4 房屋搜索界面 | 第65-66页 |
| 5.7.5 同价位房屋推荐界面 | 第66-67页 |
| 5.7.6 同区域房屋推荐界面 | 第67-68页 |
| 5.7.7 热门推荐界面 | 第68-69页 |
| 5.8 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间发表的学术论文与参加的研究工作 | 第79-81页 |