基于信任关系的用户聚类协同过滤模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 研究内容与研究方法 | 第12-14页 |
| 1.2.1 研究内容 | 第12-13页 |
| 1.2.2 研究方法 | 第13-14页 |
| 1.3 研究框架与技术路线 | 第14-16页 |
| 第二章 文献综述 | 第16-26页 |
| 2.1 协同过滤推荐技术研究 | 第16-20页 |
| 2.2 聚类分析及其在协同过滤技术中的应用 | 第20-23页 |
| 2.3 信任关系与协同过滤技术的结合 | 第23-25页 |
| 本章小结 | 第25-26页 |
| 第三章 基于用户类型喜好度的用户聚类 | 第26-41页 |
| 3.1 基于用户类型喜好度聚类基本思想 | 第26-31页 |
| 3.1.1 基于用户的协同过滤算法优化分析 | 第26-30页 |
| 3.1.2 基于用户类型喜好度聚类基本思路 | 第30-31页 |
| 3.2 构建用户类型喜好矩阵 | 第31-35页 |
| 3.3 基于用户类型喜好度的用户相似度计算 | 第35-36页 |
| 3.4 基于用户类型喜好度聚类流程描述 | 第36-40页 |
| 本章小结 | 第40-41页 |
| 第四章 基于用户聚类的信任关系协同过滤推荐模型 | 第41-55页 |
| 4.1 信任关系下协同过滤推荐算法基本思想 | 第41-42页 |
| 4.2 信任关系下用户相似度计算 | 第42-49页 |
| 4.2.1 用户综合信任度计算 | 第42-48页 |
| 4.2.2 用户综合相似度计算 | 第48-49页 |
| 4.3 结合用户综合相似度的预测评分计算 | 第49-50页 |
| 4.4 信任关系下协同过滤推荐算法描述 | 第50-54页 |
| 4.3.1 信任关系下协同过滤推荐算法流程 | 第50-52页 |
| 4.3.2 信任关系下协同过滤推荐算法步骤 | 第52-54页 |
| 本章小结 | 第54-55页 |
| 第五章 仿真实验设计与结果分析 | 第55-64页 |
| 5.1 实验数据集与实验设计 | 第55-56页 |
| 5.2 实验评价标准 | 第56-57页 |
| 5.2.1 聚类结果评价标准 | 第56页 |
| 5.2.2 推荐结果评价标准 | 第56-57页 |
| 5.3 参数设置 | 第57-60页 |
| 5.3.1 用户交互次数阈值 | 第57-58页 |
| 5.3.2 评分差评估因子 | 第58-59页 |
| 5.3.3 综合信任度比例参数 | 第59-60页 |
| 5.4 实验结果与分析 | 第60-62页 |
| 5.4.1 用户类型喜好矩阵分析 | 第60页 |
| 5.4.2 用户聚类效率实验 | 第60-61页 |
| 5.4.3 算法推荐效果对比实验 | 第61-62页 |
| 本章小结 | 第62-64页 |
| 结论与未来展望 | 第64-67页 |
| 研究结论与贡献 | 第64-65页 |
| 研究不足与未来展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录1 基于用户协同过滤算法关键代码 | 第71-75页 |
| 附录2 基于信任关系协同过滤算法伪代码 | 第75-76页 |
| 附录3 基于K-means聚类关键代码 | 第76-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
