融合社会辅助信息的社会化推荐研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 论文研究背景 | 第14-16页 |
| 1.2 研究内容简介 | 第16-18页 |
| 1.3 论文的主要研究工作 | 第18-20页 |
| 1.4 论文的主要研究成果 | 第20-21页 |
| 1.5 论文的组织结构 | 第21-24页 |
| 第二章 社会化推荐研究综述 | 第24-54页 |
| 2.1 介绍 | 第24-26页 |
| 2.2 传统推荐系统 | 第26-34页 |
| 2.2.1 推荐系统的形式化 | 第28页 |
| 2.2.2 基于人口统计学的推荐系统 | 第28-29页 |
| 2.2.3 基于内容的推荐系统 | 第29-30页 |
| 2.2.4 基于协同过滤的推荐系统 | 第30-32页 |
| 2.2.5 基于混合推荐的推荐系统 | 第32页 |
| 2.2.6 传统推荐系统面临的主要问题及解决思路 | 第32-34页 |
| 2.3 社会化推荐系统 | 第34-53页 |
| 2.3.1 社会化推荐的定义 | 第34-35页 |
| 2.3.2 社会化推荐的特点及应用 | 第35-37页 |
| 2.3.3 社会化推荐中的社会理论 | 第37-41页 |
| 2.3.4 社会化推荐的研究现状 | 第41-48页 |
| 2.3.5 社会化推荐的性能评估 | 第48-50页 |
| 2.3.6 社会化推荐研究的一些讨论 | 第50-53页 |
| 2.4 本章小结 | 第53-54页 |
| 第三章 基于流形排序的社会化推荐方法研究 | 第54-70页 |
| 3.1 介绍 | 第54-55页 |
| 3.2 相关工作 | 第55-56页 |
| 3.3 基于流形排序的社会化推荐方法 | 第56-64页 |
| 3.3.1 问题定义 | 第56页 |
| 3.3.2 推荐系统的矩阵分解方法 | 第56-60页 |
| 3.3.3 基于流形排序的社会相似度度量 | 第60-62页 |
| 3.3.4 将社会相似度融入矩阵分解 | 第62-63页 |
| 3.3.5 SMF-MR推荐算法 | 第63-64页 |
| 3.4 实验结果及评价 | 第64-67页 |
| 3.4.1 实验数据集 | 第64-65页 |
| 3.4.2 评估方法 | 第65页 |
| 3.4.3 复杂性分析 | 第65-66页 |
| 3.4.4 实验结果及分析 | 第66-67页 |
| 3.5 本章小结 | 第67-70页 |
| 第四章 基于偏置正则化的社会化推荐方法研究 | 第70-84页 |
| 4.1 介绍 | 第70-71页 |
| 4.2 相关工作 | 第71-73页 |
| 4.3 问题描述 | 第73-74页 |
| 4.4 基于偏置正则化的社会化推荐 | 第74-79页 |
| 4.4.1 推荐系统中的矩阵分解 | 第74-75页 |
| 4.4.2 将社会关系融入矩阵分解 | 第75-76页 |
| 4.4.3 将评分偏好融入矩阵分解 | 第76-77页 |
| 4.4.4 偏置正则化的算法描述 | 第77页 |
| 4.4.5 用户相似度 | 第77-79页 |
| 4.5 实验评估及结果 | 第79-82页 |
| 4.5.1 实验数据集 | 第79页 |
| 4.5.2 评估方法 | 第79-80页 |
| 4.5.3 复杂性分析 | 第80页 |
| 4.5.4 实验结果及分析 | 第80-82页 |
| 4.6 讨论 | 第82页 |
| 4.7 本章小结 | 第82-84页 |
| 第五章 基于评分辅助信息的人员推荐方法研究 | 第84-102页 |
| 5.1 介绍 | 第84-86页 |
| 5.2 相关工作 | 第86-88页 |
| 5.3 问题描述 | 第88-89页 |
| 5.4 预备工作 | 第89-91页 |
| 5.4.1 相关符号 | 第89-90页 |
| 5.4.2 概率矩阵分解 | 第90-91页 |
| 5.5 GPPMF模型 | 第91-95页 |
| 5.5.1 GPPMF模型的描述 | 第91-93页 |
| 5.5.2 GPPMF模型的训练 | 第93-94页 |
| 5.5.3 不平衡训练数据的矫正 | 第94页 |
| 5.5.4 GPPMF模型的核 | 第94-95页 |
| 5.6 实验结果与评估 | 第95-100页 |
| 5.6.1 实验数据集 | 第95页 |
| 5.6.2 评估方法 | 第95-96页 |
| 5.6.3 复杂性分析 | 第96页 |
| 5.6.4 实验结果和分析 | 第96-100页 |
| 5.7 本章小结 | 第100-102页 |
| 第六章 基于标签辅助信息的社会化推荐方法研究 | 第102-114页 |
| 6.1 介绍 | 第102-103页 |
| 6.2 相关工作 | 第103-104页 |
| 6.3 问题描述 | 第104-105页 |
| 6.4 基于标签辅助信息的社会化推荐 | 第105-109页 |
| 6.4.1 矩阵分解方法 | 第105页 |
| 6.4.2 将社会关系融入到推荐过程 | 第105-106页 |
| 6.4.3 将标签信息融入到推荐过程 | 第106-107页 |
| 6.4.4 TSR推荐算法 | 第107-108页 |
| 6.4.5 用户相似度 | 第108-109页 |
| 6.5 实验结果与评估 | 第109-112页 |
| 6.5.1 实验数据集 | 第109页 |
| 6.5.2 评估方法 | 第109-110页 |
| 6.5.3 复杂性分析 | 第110页 |
| 6.5.4 实验结果与分析 | 第110-112页 |
| 6.6 本章小结 | 第112-114页 |
| 第七章 总结与展望 | 第114-122页 |
| 7.1 总结 | 第114-118页 |
| 7.2 展望 | 第118-122页 |
| 参考文献 | 第122-136页 |
| 致谢 | 第136-138页 |
| 攻读学位期间发表的学术论文目录 | 第138页 |
