| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 微博的概述 | 第9-14页 |
| 1.2.1 微博的相关概念 | 第9-10页 |
| 1.2.2 微博的特点 | 第10-12页 |
| 1.2.3 微博的发展 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 国内外社会网络推荐算法研究现状 | 第14-15页 |
| 1.3.2 国内外好友推荐算法的研究现状 | 第15-16页 |
| 1.4 课题的主要工作 | 第16-17页 |
| 1.5 论文的组织和结构 | 第17-18页 |
| 2 推荐算法关键技术概述 | 第18-32页 |
| 2.1 关联规则技术概述 | 第18-20页 |
| 2.1.1 关联规则的背景 | 第18页 |
| 2.1.2 关联规则的基本概念 | 第18-19页 |
| 2.1.3 关联规则的经典算法 | 第19-20页 |
| 2.2 协同过滤推荐技术概述 | 第20-25页 |
| 2.2.1 协同过滤算法简介 | 第20-22页 |
| 2.2.2 基于用户(User-based)的协同过滤 | 第22-23页 |
| 2.2.3 基于项目(Item-based)的协同过滤 | 第23-25页 |
| 2.3 标签系统 | 第25-28页 |
| 2.3.1 标签系统简介 | 第25-26页 |
| 2.3.2 传统标签系统推荐流程 | 第26-28页 |
| 2.4 社交网络好友推荐算法概述 | 第28-31页 |
| 2.4.1 标签推荐算法 | 第28-29页 |
| 2.4.2 好友关系推荐算法 | 第29-30页 |
| 2.4.3 基于图的多类关联对象降维算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 微博个性化好友推荐算法思想和框架 | 第32-39页 |
| 3.1 微博好友推荐分析 | 第32-37页 |
| 3.1.1 微博对象概念 | 第32-33页 |
| 3.1.2 个性化好友推荐的基本思想 | 第33-34页 |
| 3.1.3 个性化好友推荐相关定义 | 第34-37页 |
| 3.2 微博好友推荐系统框架 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 基于关联规则和标签的个性化好友推荐算法 | 第39-46页 |
| 4.1 个性化好友推荐算法流程 | 第39页 |
| 4.2 关联规则算出共同好友 | 第39-42页 |
| 4.3 标签协同过滤算出相似用户 | 第42-44页 |
| 4.4 个性化好友推荐算法实现 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 实验结果与分析 | 第46-57页 |
| 5.1 实验环境 | 第46页 |
| 5.2 实验数据集 | 第46-48页 |
| 5.3 实验评价指标 | 第48-49页 |
| 5.4 实验系统设计与实现 | 第49-53页 |
| 5.4.1 总体设计 | 第49页 |
| 5.4.2 数据集读取模块 | 第49-50页 |
| 5.4.3 推荐算法实现模块 | 第50-51页 |
| 5.4.4 推荐好友显示模块 | 第51-53页 |
| 5.5 实验结果和分析 | 第53-56页 |
| 5.5.1 权重 值实验 | 第53-55页 |
| 5.5.2 个性化好友推荐算法实验 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |