| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 推荐系统 | 第13-14页 |
| 1.2.2 社交网络 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 2 推荐理论基础与相关工作 | 第18-35页 |
| 2.1 问题描述 | 第18-20页 |
| 2.2 理论基础 | 第20-25页 |
| 2.2.1 相似性度量 | 第20-21页 |
| 2.2.2 矩阵分解 | 第21-23页 |
| 2.2.3 聚类 | 第23-25页 |
| 2.3 相关工作 | 第25-34页 |
| 2.3.1 基于评分信息的推荐 | 第25-28页 |
| 2.3.2 社交推荐 | 第28-34页 |
| 2.4 本章小节 | 第34-35页 |
| 3 融合社交信息的叠加联合聚类推荐模型 | 第35-46页 |
| 3.1 社交信息建模 | 第36-39页 |
| 3.1.1 用户信任关系建模 | 第36-37页 |
| 3.1.2 用户局部和全局社交信息建模 | 第37-39页 |
| 3.2 用户局部块识别 | 第39-42页 |
| 3.2.1 基于信任关系的模糊C均值用户聚类 | 第39-41页 |
| 3.2.2 融合局部和全局社交信息的模糊C均值用户聚类 | 第41-42页 |
| 3.3 融合社交信息的叠加联合聚类推荐模型 | 第42-45页 |
| 3.3.1 推荐模型构建 | 第43-44页 |
| 3.3.2 算法流程和复杂度分析 | 第44-45页 |
| 3.4 本章小节 | 第45-46页 |
| 4 实验与分析 | 第46-58页 |
| 4.1 数据集及评价指标 | 第46-48页 |
| 4.1.1 数据集 | 第46-47页 |
| 4.1.2 评价指标 | 第47-48页 |
| 4.2 实验方案 | 第48-50页 |
| 4.2.1 对比方法 | 第48-49页 |
| 4.2.2 实验设置 | 第49页 |
| 4.2.3 实验环境 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-57页 |
| 4.3.1 实验结果 | 第50-53页 |
| 4.3.2 冷启动用户 | 第53-54页 |
| 4.3.3 模型参数影响 | 第54-57页 |
| 4.4 本章小节 | 第57-58页 |
| 5 总结与展望 | 第58-61页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |