| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第12-18页 |
| 1.1 论文研究背景及研究意义 | 第12-13页 |
| 1.2 研究现状分析 | 第13-16页 |
| 1.2.1 信任网络研究现状 | 第13-14页 |
| 1.2.2 群体推荐研究现状 | 第14-16页 |
| 1.3 本文研究内容和目标 | 第16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 2 相关研究与理论基础 | 第18-35页 |
| 2.1 信任网络 | 第18-26页 |
| 2.1.1 信任网络的定义与特性 | 第18-19页 |
| 2.1.2 信任关系的度量方法 | 第19-21页 |
| 2.1.3 经典的信任模型 | 第21-24页 |
| 2.1.4 信任网络在推荐服务中作用 | 第24-26页 |
| 2.2 群体推荐 | 第26-34页 |
| 2.2.1 现有的群体推荐应用 | 第26-27页 |
| 2.2.2 聚集方式和聚集策略 | 第27-31页 |
| 2.2.3 用户满意度分析 | 第31-32页 |
| 2.2.4 社交因素对群体推荐的影响 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 基于协同过滤的个体用户评分预测 | 第35-42页 |
| 3.1 引言 | 第35页 |
| 3.2 协同过滤技术概述 | 第35-37页 |
| 3.3 基于用户的协同过滤算法 | 第37-39页 |
| 3.4 基于项目的协同过滤算法 | 第39-40页 |
| 3.5 个体用户评分预测 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 4. 基于用户权重的群体推荐 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 用户的信任权重计算 | 第42-48页 |
| 4.2.1 信任网络中影响力分析 | 第42-44页 |
| 4.2.2 Pagerank算法的基本思想 | 第44-45页 |
| 4.2.3 基于PageRank算法的用户信任权重计算 | 第45-48页 |
| 4.3 基于评分频度的专业权威性权重计算 | 第48页 |
| 4.4 产生推荐 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-53页 |
| 4.5.1 实验数据 | 第49-50页 |
| 4.5.2 评价指标 | 第50-51页 |
| 4.5.3 实验结果 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 基于用户交互的群体推荐 | 第54-63页 |
| 5.1 引言 | 第54页 |
| 5.2 交互推荐的影响因素 | 第54-55页 |
| 5.3 用户个性分析 | 第55-56页 |
| 5.4 群体内用户之间信任关系分析 | 第56-59页 |
| 5.5 产生推荐 | 第59-60页 |
| 5.6 实验结果与分析 | 第60-62页 |
| 5.7 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |