| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 推荐系统背景 | 第8页 |
| 1.2 推荐系统分类 | 第8-11页 |
| 1.3 异质信息网络推荐 | 第11-13页 |
| 1.4 本文贡献 | 第13页 |
| 1.5 文组织结构 | 第13-14页 |
| 2 相关工作 | 第14-31页 |
| 2.1 变量说明 | 第14页 |
| 2.2 协同过滤 | 第14-19页 |
| 2.2.1 基于邻域的协同过滤算法 | 第14-17页 |
| 2.2.2 基于矩阵分解的模型 | 第17-19页 |
| 2.3 异质网络 | 第19-26页 |
| 2.3.1 异质网络的聚类 | 第20-22页 |
| 2.3.2 异质网络的分类 | 第22-23页 |
| 2.3.3 异质网络的相似度检测 | 第23-26页 |
| 2.4 数据集 | 第26-28页 |
| 2.4.1 MovieLens | 第26-27页 |
| 2.4.2 HeterRec2011 | 第27-28页 |
| 2.4.3 反馈 | 第28页 |
| 2.5 评测方法 | 第28-31页 |
| 2.5.1 分类准确度 | 第28-29页 |
| 2.5.2 预测准确度 | 第29-31页 |
| 3 异质网络环境下基于邻域的协同过滤推荐 | 第31-48页 |
| 3.1 用户行为分析 | 第31-39页 |
| 3.1.1 异质网络关系的比较 | 第32-33页 |
| 3.1.2 异质网络环境下的相似度分析 | 第33页 |
| 3.1.3 学术异质网络和电影异质网络的比较分析 | 第33-37页 |
| 3.1.4 推荐系统环境中异质网络HIN-RECSYS | 第37-39页 |
| 3.2 异质邻域检测 | 第39-42页 |
| 3.3 异质邻域打分 | 第42-44页 |
| 3.4 目标函数求解 | 第44-48页 |
| 4 实验 | 第48-54页 |
| 4.1 推荐算法评价体系 | 第48-49页 |
| 4.2 实验数据 | 第49-50页 |
| 4.3 实验比较 | 第50-51页 |
| 4.4 参数设置 | 第51页 |
| 4.5 实验结果分析 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |