基于好友关系分析的资源推荐算法及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究综述 | 第13-16页 |
| 1.2.1 内容推荐 | 第13-15页 |
| 1.2.2 社会网络内容推荐 | 第15-16页 |
| 1.3 研究内容及论文框架 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 论文框架 | 第17-19页 |
| 2 理论与技术基础 | 第19-32页 |
| 2.1 协同过滤推荐算法 | 第19-21页 |
| 2.1.1 算法基本思想 | 第19-20页 |
| 2.1.2 算法实现技术 | 第20-21页 |
| 2.2 社交网络 | 第21-29页 |
| 2.2.1 社交网络表示 | 第22-26页 |
| 2.2.2 社交网络数据源 | 第26-29页 |
| 2.3 PageRank算法 | 第29-31页 |
| 2.3.1 PageRank基本思想 | 第29页 |
| 2.3.2 PageRank实现技术 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 好友关系计算模型 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 用户相似度计算模型 | 第32-35页 |
| 3.2.1 相似度模型设计 | 第32-34页 |
| 3.2.2 相似度计算示例 | 第34-35页 |
| 3.3 用户信任度计算模型 | 第35-38页 |
| 3.3.1 信任度模型设计 | 第35-38页 |
| 3.3.2 信任度计算示例 | 第38页 |
| 3.4 用户信誉度计算模型 | 第38-41页 |
| 3.4.1 信誉度模型设计 | 第38-40页 |
| 3.4.2 信誉度计算示例 | 第40-41页 |
| 3.5 推荐信任度模型设计 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 基于好友关系的推荐算法 | 第43-56页 |
| 4.1 算法设计 | 第43-45页 |
| 4.1.1 推荐信任度计算 | 第44页 |
| 4.1.2 资源推荐 | 第44-45页 |
| 4.2 算法评价 | 第45-48页 |
| 4.2.1 实验设计 | 第45页 |
| 4.2.2 实验数据源 | 第45-46页 |
| 4.2.3 评价指标 | 第46-48页 |
| 4.3 实验结果分析 | 第48-54页 |
| 4.3.1 用户关系模型参数设定 | 第48-50页 |
| 4.3.2 实验结果 | 第50-53页 |
| 4.3.3 确定权重 | 第53-54页 |
| 4.4 实验评价 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 基于好友关系的推荐算法应用研究 | 第56-66页 |
| 5.1 系统分析 | 第56-57页 |
| 5.1.1 需求分析 | 第56-57页 |
| 5.1.2 系统结构 | 第57页 |
| 5.1.3 开发环境 | 第57页 |
| 5.2 数据库设计 | 第57-60页 |
| 5.3 主要模块设计 | 第60-61页 |
| 5.3.1 微课检索 | 第60-61页 |
| 5.3.2 微课推荐 | 第61页 |
| 5.4 功能展示 | 第61-64页 |
| 5.4.1 用户注册 | 第61-62页 |
| 5.4.2 好友关注 | 第62-63页 |
| 5.4.3 后台管理 | 第63页 |
| 5.4.4 微课推荐 | 第63-64页 |
| 5.5 系统评价 | 第64-65页 |
| 5.6 本章小结 | 第65-66页 |
| 6 总结和展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 研究局限与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间参与项目及科研成果 | 第72-73页 |
| 致谢 | 第73页 |
