| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国内研究现状 | 第15-17页 |
| 1.2.2 国外研究现状 | 第17-18页 |
| 1.3 研究内容及贡献 | 第18-21页 |
| 1.3.1 研究思路与方法 | 第18-19页 |
| 1.3.2 研究内容及框架 | 第19-21页 |
| 1.3.3 本文的贡献 | 第21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第2章 融合时间效应和概率矩阵分解技术的推荐算法 | 第23-38页 |
| 2.1 引言 | 第23-25页 |
| 2.2 相关工作 | 第25-26页 |
| 2.3 基本的概率矩阵分解模型 | 第26-28页 |
| 2.4 基于时间效应的协同过滤算法研究 | 第28-31页 |
| 2.4.1 时间权值的计算 | 第28-29页 |
| 2.4.2 考虑时间效应的协同过滤算法 | 第29-30页 |
| 2.4.3 融合时间效应和矩阵分解的推荐模型 | 第30-31页 |
| 2.5 实验数据选取和算法评价指标 | 第31-33页 |
| 2.5.1 实验环境 | 第31页 |
| 2.5.2 数据集简介 | 第31-32页 |
| 2.5.3 评价指标 | 第32-33页 |
| 2.6 实验结果和分析 | 第33-37页 |
| 2.6.1 实验方案 | 第33页 |
| 2.6.2 维数对 PMF 算法运行时间的影响 | 第33-34页 |
| 2.6.3 训练集和测试集上 RMSE 的比较 | 第34-35页 |
| 2.6.4 维数对算法预测精度的影响 | 第35页 |
| 2.6.5 对比实验 | 第35-36页 |
| 2.6.6 算法性能分析 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 基于社交网络信任综合评价的个性化推荐算法 | 第38-60页 |
| 3.1 引言 | 第38-39页 |
| 3.2 信任机制 | 第39-45页 |
| 3.2.1 信任的定义 | 第40页 |
| 3.2.2 信任网络 | 第40-42页 |
| 3.2.3 基于信任机制的个性化推荐系统工作原理 | 第42-43页 |
| 3.2.4 信任度量的方法 | 第43-44页 |
| 3.2.5 信任传播的计算方法 | 第44-45页 |
| 3.3 基于信任的推荐模型 | 第45-48页 |
| 3.3.1 传统的信任推荐模型 | 第45页 |
| 3.3.2 经典的评分预测方法 | 第45-47页 |
| 3.3.3 基于概率矩阵分解的信任模型-RSTE | 第47页 |
| 3.3.4 基于信任推荐模型存在的问题 | 第47-48页 |
| 3.4 基于信任综合评价的个性化推荐模型 | 第48-54页 |
| 3.4.1 CETrust 模型的基本思想 | 第48-49页 |
| 3.4.2 CETrust 模型中信任的计算 | 第49-50页 |
| 3.4.3 CETrust 概率图模型 | 第50-53页 |
| 3.4.4 CETrust 算法设计流程 | 第53-54页 |
| 3.5 实验结果和分析 | 第54-59页 |
| 3.5.1 数据来源 | 第54页 |
| 3.5.2 评价指标 | 第54-55页 |
| 3.5.3 实验参数的确定 | 第55-56页 |
| 3.5.4 对比方法 | 第56-57页 |
| 3.5.5 实验结果 | 第57-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 融合信任关系和时间序列的个性化推荐算法 | 第60-73页 |
| 4.1 引言 | 第60-61页 |
| 4.2 相关工作 | 第61-63页 |
| 4.3 个性化推荐框架 | 第63-69页 |
| 4.3.1 SocialMF 推荐模型 | 第63-64页 |
| 4.3.2 SequentialMF 推荐模型 | 第64-65页 |
| 4.3.3 TrustSeqMF 推荐模型 | 第65-68页 |
| 4.3.4 复杂度分析 | 第68-69页 |
| 4.4 实验结果和分析 | 第69-71页 |
| 4.4.1 数据集描述 | 第69页 |
| 4.4.2 评价标准 | 第69-70页 |
| 4.4.3 结果比较 | 第70页 |
| 4.4.4 参数分析 | 第70-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第5章 基于上下文感知的移动社交网络个性化推荐算法 | 第73-85页 |
| 5.1 引言 | 第73-74页 |
| 5.2 相关工作 | 第74-75页 |
| 5.3 基于上下文的移动推荐模型和算法 | 第75-78页 |
| 5.3.1 数据模型 | 第75-76页 |
| 5.3.2 多维上下文移动社会网络推荐模型--CMSR | 第76-77页 |
| 5.3.3 CMSR 模型算法设计 | 第77-78页 |
| 5.4 实验结果与分析 | 第78-83页 |
| 5.4.1 数据集简介 | 第78页 |
| 5.4.2 评价指标 | 第78-79页 |
| 5.4.3 用户签到行为分析 | 第79-83页 |
| 5.4.4 推荐精度对比 | 第83页 |
| 5.5 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-87页 |
| 6.1 论文总结 | 第85-86页 |
| 6.2 研究展望 | 第86-87页 |
| 参考文献 | 第87-96页 |
| 攻读博士学位期间发表的部分学术论文 | 第96-97页 |
| 攻读博士学位期间主持与参与的科研项目 | 第97-98页 |
| 致谢 | 第98-99页 |