基于用户影响力度量分析的协同推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的 | 第10-11页 |
| 1.3 研究意义 | 第11-12页 |
| 1.4 国内外研究现状 | 第12-14页 |
| 1.4.1 协同推荐算法 | 第12-13页 |
| 1.4.2 影响力度量分析 | 第13-14页 |
| 1.5 研究内容 | 第14-15页 |
| 1.6 论文组织结构 | 第15-16页 |
| 第2章 推荐算法和影响力度量的关键技术 | 第16-28页 |
| 2.1 个性化推荐算法 | 第16-17页 |
| 2.2 基于内容的推荐算法 | 第17页 |
| 2.3 协同推荐算法 | 第17-24页 |
| 2.3.1 基于用户的协同推荐算法 | 第18-20页 |
| 2.3.2 基于项目的协同推荐算法 | 第20-22页 |
| 2.3.3 基于模型的协同推荐算法 | 第22-24页 |
| 2.4 用户影响力度量分析算法 | 第24-27页 |
| 2.4.1 基于节点近邻的度量方法 | 第25页 |
| 2.4.2 基于网络拓扑结构的度量方法 | 第25-26页 |
| 2.4.3 基于信息传播的度量方法 | 第26页 |
| 2.4.4 基于特征向量的度量方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于多维度的影响力度量分析算法 | 第28-44页 |
| 3.1 引言 | 第28-29页 |
| 3.2 影响力度量分析问题 | 第29-30页 |
| 3.2.1 度量问题的形式化定义 | 第29-30页 |
| 3.2.2 目标函数 | 第30页 |
| 3.2.3 函数性质 | 第30页 |
| 3.3 问题解决方案 | 第30-37页 |
| 3.3.1 基于用户属性的影响力度量模块 | 第32-35页 |
| 3.3.2 基于网络拓扑结构的影响力度量模块 | 第35-36页 |
| 3.3.3 综合排序模块 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-42页 |
| 3.4.1 实验数据 | 第37页 |
| 3.4.2 实验方法与设置 | 第37-38页 |
| 3.4.3 实验结果及分析 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于影响力分析的协同推荐算法 | 第44-59页 |
| 4.1 引言 | 第44-45页 |
| 4.2 推荐过程中的问题 | 第45页 |
| 4.3 问题解决方案 | 第45-50页 |
| 4.3.1 用户偏好模块 | 第46-48页 |
| 4.3.2 用户影响力模块 | 第48-49页 |
| 4.3.3 基于用户偏好和影响力的推荐过程 | 第49-50页 |
| 4.3.4 协同推荐算法 | 第50页 |
| 4.4 实验结果与分析 | 第50-57页 |
| 4.4.1 实验数据 | 第51页 |
| 4.4.2 实验方法与设置 | 第51-52页 |
| 4.4.3 实验结果及分析 | 第52-57页 |
| 4.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
