| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 推荐系统介绍 | 第9-13页 |
| 1.2 研究背景和意义 | 第13-14页 |
| 1.3 推荐系统相关研究工作 | 第14-18页 |
| 1.4 本文主要贡献 | 第18-19页 |
| 1.5 本文结构 | 第19-21页 |
| 第二章 推荐系统的矩阵分解模型 | 第21-32页 |
| 2.1 推荐系统模型分析 | 第21-27页 |
| 2.1.1 传统SVD分解推荐算法 | 第21-22页 |
| 2.1.2 基于kNN的邻域模型 | 第22-24页 |
| 2.1.3 Basic MF | 第24-27页 |
| 2.2 应用于推荐系统的矩阵分解 | 第27-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 对捆绑式可信推荐进行建模及实现 | 第32-45页 |
| 3.1 可信矩阵分解的推荐方法 | 第32-35页 |
| 3.1.1 用户之间的联系 | 第32-33页 |
| 3.1.2 用户隐性关系建模 | 第33-35页 |
| 3.2 改进的Apriori搜索算法TSApriori | 第35-39页 |
| 3.2.1 商品捆绑推荐 | 第35-36页 |
| 3.2.2 TSApriori | 第36-39页 |
| 3.3 矩阵分解捆绑式可信推荐算法模型 | 第39-41页 |
| 3.3.1 结合用户关系和物品关系进行建模 | 第39-40页 |
| 3.3.2 使用梯度下降法获得算法迭代模型 | 第40-41页 |
| 3.4 TBRM算法描述 | 第41-44页 |
| 3.4.1 算法流程图 | 第41-42页 |
| 3.4.2 算法实现伪代码 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 TBRM算法实验结果分析 | 第45-53页 |
| 4.1 实验数据集 | 第45-47页 |
| 4.2 算法结果对比分析 | 第47-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-56页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 攻读学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66-67页 |