| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究思路 | 第12页 |
| 1.4 本文内容的组织结构 | 第12-14页 |
| 第二章 基于用户重要性的推荐系统的相关工作 | 第14-25页 |
| 2.1 推荐系统概念 | 第14-19页 |
| 2.1.1 推荐系统作用 | 第14-15页 |
| 2.1.2 推荐系统面临的挑战 | 第15-17页 |
| 2.1.3 推荐系统分类 | 第17-19页 |
| 2.2 协同过滤推荐算法 | 第19-22页 |
| 2.2.1 基于记忆的协同过滤推荐算法 | 第19-21页 |
| 2.2.2 基于模型的协同过滤推荐算法 | 第21-22页 |
| 2.3 推荐中用户重要性的相关评价算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 一种基于社交关系的用户重要性的推荐算法 | 第25-38页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于局部的用户重要性的推荐算法(Local) | 第26-28页 |
| 3.3 基于全局的用户重要性的推荐算法(Global) | 第28-29页 |
| 3.4 局部的用户重要性和全局的用户重要性相结合的推荐算法(Local&Global) | 第29-30页 |
| 3.5 实验分析 | 第30-37页 |
| 3.5.1 数据集 | 第31页 |
| 3.5.2 准确性评价指标 | 第31-32页 |
| 3.5.3 实验结果与分析 | 第32-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 一种基于声誉的用户重要性的鲁棒推荐算法 | 第38-55页 |
| 4.1 引言 | 第38页 |
| 4.2 攻击模型 | 第38-39页 |
| 4.3 相关鲁棒推荐算法 | 第39-40页 |
| 4.4 声誉推荐系统 | 第40-44页 |
| 4.5 基于用户声誉重要性的鲁棒推荐算法 | 第44-45页 |
| 4.6 实验分析 | 第45-54页 |
| 4.6.1 数据集 | 第45-46页 |
| 4.6.2 鲁棒性评价指标 | 第46页 |
| 4.6.3 实验结果与分析 | 第46-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录A 图索引 | 第63-64页 |
| Appendix A Figure Index | 第64-65页 |
| 附录B 表格索引 | 第65-66页 |
| Appendix B Table Index | 第66-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间主持或参与的科研项目 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
