| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究的背景和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-17页 |
| 1.3.1 个性化推荐国内外研究概况 | 第12-14页 |
| 1.3.2 社会化推荐的国内外研究概况 | 第14-15页 |
| 1.3.3 用户兴趣计算的国内外研究概况 | 第15-17页 |
| 1.4 研究目的和主要内容 | 第17-18页 |
| 1.5 论文内容安排 | 第18-20页 |
| 第二章 基于用户潜在兴趣网络的协同过滤推荐方法 | 第20-37页 |
| 2.1 问题提出及其相关工作 | 第20-21页 |
| 2.2 用户潜在兴趣网络的构建方法 | 第21-26页 |
| 2.2.1 用户潜在兴趣相似度的定义和计算 | 第22-23页 |
| 2.2.2 用户潜在兴趣网络的定义和构建 | 第23-26页 |
| 2.3 用户潜在兴趣网络优化的协同过滤算法 | 第26-29页 |
| 2.3.1 基于用户的协同过滤推荐算法 | 第26-27页 |
| 2.3.2 考虑用户潜在兴趣的协同过滤算法 | 第27-29页 |
| 2.4 实验 | 第29-36页 |
| 2.4.1 实验数据 | 第29-30页 |
| 2.4.2 实验设置 | 第30-31页 |
| 2.4.3 实验结果 | 第31-35页 |
| 2.4.4 实验分析 | 第35-36页 |
| 2.5 小结 | 第36-37页 |
| 第三章 基于用户潜在兴趣迁移的协同过滤推荐方法 | 第37-51页 |
| 3.1 问题提出及其相关工作 | 第37-39页 |
| 3.2 基于时间的用户潜在兴趣的定义和计算 | 第39-43页 |
| 3.2.1 活动重要度定义 | 第39-41页 |
| 3.2.2 基于时间的用户潜在兴趣相似度 | 第41-43页 |
| 3.3 用户潜在兴趣迁移优化的 UPINCF | 第43-44页 |
| 3.4 实验 | 第44-50页 |
| 3.4.1 实验数据 | 第44-45页 |
| 3.4.2 实验设置 | 第45-46页 |
| 3.4.3 实验结果 | 第46-49页 |
| 3.4.4 实验分析 | 第49-50页 |
| 3.5 小结 | 第50-51页 |
| 第四章 基于用户潜在兴趣传递的协同过滤推荐方法 | 第51-64页 |
| 4.1 问题提出及其相关工作 | 第51-53页 |
| 4.2 用户潜在兴趣传递性及其计算 | 第53-55页 |
| 4.2.1 用户潜在兴趣相似度的传递性及其规则 | 第53-54页 |
| 4.2.2 用户潜在兴趣相似度的传递性计算 | 第54-55页 |
| 4.3 用户潜在兴趣传递优化的 UPINCF | 第55-57页 |
| 4.4 实验 | 第57-63页 |
| 4.4.1 实验数据 | 第57-58页 |
| 4.4.2 实验设置 | 第58页 |
| 4.4.3 实验结果 | 第58-62页 |
| 4.4.4 实验分析 | 第62-63页 |
| 4.5 小结 | 第63-64页 |
| 第五章 基于用户潜在兴趣的社会化推荐方法在乐乎 BT 中的应用 | 第64-72页 |
| 5.1 系统功能介绍 | 第64-68页 |
| 5.1.1 运行环境 | 第64-65页 |
| 5.1.2 系统组成模块分析 | 第65页 |
| 5.1.3 推荐算法选择策略 | 第65-68页 |
| 5.2 系统运行界面 | 第68-70页 |
| 5.3 在线推荐及结果分析 | 第70-71页 |
| 5.4 小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-75页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第80-81页 |
| 作者在攻读硕士学位期间所作的项目 | 第81-82页 |
| 致谢 | 第82页 |