| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究工作的背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 推荐算法 | 第14-16页 |
| 1.2.2 推荐系统的准确性和多样性 | 第16-17页 |
| 1.2.3 推荐系统的数据稀疏性 | 第17-18页 |
| 1.2.4 推荐网络分析 | 第18-19页 |
| 1.3 论文的主要工作与创新 | 第19-20页 |
| 1.4 论文的结构安排 | 第20-21页 |
| 第二章 基于多维度分析的协同过滤推荐算法 | 第21-34页 |
| 2.1 问题及相关工作 | 第21-22页 |
| 2.2 基于多维度分析的协同过滤推荐算法 | 第22-24页 |
| 2.2.1 算法思想 | 第22-23页 |
| 2.2.2 算法描述 | 第23-24页 |
| 2.2.3 算法分析 | 第24页 |
| 2.3 实验设计 | 第24-27页 |
| 2.3.1 数据集 | 第24页 |
| 2.3.2 评价指标 | 第24-25页 |
| 2.3.3 对比算法 | 第25-26页 |
| 2.3.4 实验方法和过程 | 第26-27页 |
| 2.4 实验结果与分析 | 第27-33页 |
| 2.4.1 相似度方法的对比结果 | 第27-29页 |
| 2.4.2 推荐算法的准确性对比结果 | 第29-31页 |
| 2.4.3 推荐算法的多样性对比结果 | 第31-32页 |
| 2.4.4 推荐算法对二部分网络多样性的影响 | 第32-33页 |
| 2.4.5 推荐算法的效率对比 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于局部随机游走的推荐算法 | 第34-46页 |
| 3.1 问题及相关工作 | 第34-35页 |
| 3.2 基于局部随机游走的推荐算法 | 第35-37页 |
| 3.2.1 算法思想 | 第35-36页 |
| 3.2.2 算法描述 | 第36-37页 |
| 3.2.3 算法分析 | 第37页 |
| 3.3 实验设计 | 第37-39页 |
| 3.3.1 数据集 | 第37-38页 |
| 3.3.2 评价指标 | 第38页 |
| 3.3.3 对比算法 | 第38-39页 |
| 3.3.4 实验方法和过程 | 第39页 |
| 3.4 实验结果与分析 | 第39-45页 |
| 3.4.1 现有算法的不足及其原因 | 第39-41页 |
| 3.4.2 基于局部随机游走算法的准确性分析 | 第41-44页 |
| 3.4.3 改进局部随机游走推荐算法的准确性分析 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于社交网络的随机游走推荐算法 | 第46-56页 |
| 4.1 问题及相关工作 | 第46-47页 |
| 4.2 基于社交网络的随机游走推荐算法 | 第47-49页 |
| 4.2.1 算法思想 | 第47页 |
| 4.2.2 算法描述 | 第47-49页 |
| 4.2.3 算法分析 | 第49页 |
| 4.3 实验设计 | 第49-52页 |
| 4.3.1 数据集 | 第49页 |
| 4.3.2 评价指标 | 第49-50页 |
| 4.3.3 对比算法 | 第50-51页 |
| 4.3.4 实验方法和过程 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-55页 |
| 4.4.1 评分网络与社交网络特征分析 | 第52-53页 |
| 4.4.2 社团对商品选择的影响 | 第53-54页 |
| 4.4.3 推荐算法准确性的对比结果 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于信息核的推荐算法 | 第56-74页 |
| 5.1 问题及相关工作 | 第56-57页 |
| 5.2 基于信息核的推荐算法 | 第57-61页 |
| 5.2.1 信息核的定义 | 第57-58页 |
| 5.2.2 基于近邻的物质扩散算法 | 第58-59页 |
| 5.2.3 信息核提取算法 | 第59-60页 |
| 5.2.4 基于信息核的推荐算法 | 第60-61页 |
| 5.2.5 算法分析 | 第61页 |
| 5.3 实验设计 | 第61-64页 |
| 5.3.1 数据集 | 第61-62页 |
| 5.3.2 评价指标 | 第62页 |
| 5.3.3 对比算法 | 第62-63页 |
| 5.3.4 实验方法与过程 | 第63-64页 |
| 5.4 实验结果与分析 | 第64-72页 |
| 5.4.1 基于近邻物质扩散算法的准确性 | 第64-66页 |
| 5.4.2 基于信息核推荐算法的准确性 | 第66-68页 |
| 5.4.3 近邻个数对信息核算法准确性的影响 | 第68-69页 |
| 5.4.4 信息核的结构分析 | 第69-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第六章 基于社交网络的矩阵分解算法 | 第74-96页 |
| 6.1 问题及相关工作 | 第74-79页 |
| 6.2 基于社交网络的矩阵分解算法 | 第79-88页 |
| 6.2.1 基于多数据源的算法分类 | 第79-80页 |
| 6.2.2 基于社团和朋友信息的商品推荐算法 | 第80-84页 |
| 6.2.3 基于朋友和商品偏好信息的社团推荐算法 | 第84-86页 |
| 6.2.4 基于社团和商品偏好信息品的朋友推荐算法 | 第86-87页 |
| 6.2.5 算法分析 | 第87-88页 |
| 6.3 实验设计 | 第88-89页 |
| 6.3.1 数据集 | 第88页 |
| 6.3.2 评价指标 | 第88-89页 |
| 6.3.3 实验方法与过程 | 第89页 |
| 6.4 实验结果与分析 | 第89-94页 |
| 6.4.1 商品推荐算法的准确性对比 | 第90-91页 |
| 6.4.2 社团推荐算法的准确性对比 | 第91-93页 |
| 6.4.3 朋友推荐算法的准确性对比 | 第93-94页 |
| 6.5 本章小结 | 第94-96页 |
| 第七章 全文总结与展望 | 第96-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-108页 |
| 攻读博士学位期间取得的成果 | 第108-109页 |