基于信任关系的协同过滤推荐算法的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容及创新点 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 协同过滤推荐算法 | 第16-26页 |
| 2.1 基本原理及概念 | 第16-17页 |
| 2.2 协同过滤推荐算法分类 | 第17-21页 |
| 2.2.1 基于内存的协同过滤推荐算法 | 第17-19页 |
| 2.2.2 基于模型的协同过滤推荐算法 | 第19-21页 |
| 2.3 基于信任的协同过滤推荐 | 第21-25页 |
| 2.3.1 信任的概念及分类 | 第21-22页 |
| 2.3.2 信任网络与信任矩阵 | 第22-23页 |
| 2.3.3 基于信任的推荐建模 | 第23-24页 |
| 2.3.4 基于信任的协同过滤推荐算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于信任关系的奇异值分解算法 | 第26-35页 |
| 3.1 奇异值分解算法 | 第26-27页 |
| 3.2 基于信任关系的奇异值分解 | 第27-31页 |
| 3.2.1 融合项目隐式反馈的奇异值分解模型 | 第27-28页 |
| 3.2.2 融合受信用户影响的奇异值分解模型 | 第28-29页 |
| 3.2.3 融合施信用户影响的奇异值分解模型 | 第29-30页 |
| 3.2.4 基于信任关系的奇异值分解算法 | 第30-31页 |
| 3.3 模型求解及算法步骤 | 第31-33页 |
| 3.4 模型复杂度分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于信任关系改进的推荐算法 | 第35-45页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于项目反馈度的相似度算法 | 第36-39页 |
| 4.3 改进用户信任关系的算法 | 第39-44页 |
| 4.3.1 信任关系的过滤去伪 | 第39-40页 |
| 4.3.2 信任关系的传播与聚合 | 第40-43页 |
| 4.3.3 算法步骤 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验设计与结果分析 | 第45-54页 |
| 5.1 实验数据集 | 第45页 |
| 5.2 实验方法及评价指标 | 第45-46页 |
| 5.3 基于信任关系的奇异值分解算法实验 | 第46-50页 |
| 5.3.1 实验对比方法 | 第46-47页 |
| 5.3.2 实验参数设置 | 第47-49页 |
| 5.3.3 实验结果与分析 | 第49-50页 |
| 5.4 基于信任关系改进的推荐算法实验 | 第50-53页 |
| 5.4.1 实验参数设置 | 第50-51页 |
| 5.4.2 实验结果与分析 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
