| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-37页 |
| 1.1 研究背景及意义 | 第18-22页 |
| 1.2 研究现状 | 第22-30页 |
| 1.2.1 传统的推荐算法 | 第22-25页 |
| 1.2.2 基于信任关系的推荐算法 | 第25-30页 |
| 1.3 研究内容及章节安排 | 第30-37页 |
| 1.3.1 研究内容 | 第30-35页 |
| 1.3.2 章节安排 | 第35-37页 |
| 2 基于商品关系挖掘的交叉领域推荐方法 | 第37-56页 |
| 2.1 引言 | 第37-39页 |
| 2.2 相关工作 | 第39-40页 |
| 2.3 问题描述 | 第40-42页 |
| 2.4 TUCross推荐方法 | 第42-48页 |
| 2.4.1 方法概述 | 第42-44页 |
| 2.4.2 粗略的评分预测 | 第44-45页 |
| 2.4.3 精确的评分预测 | 第45-48页 |
| 2.5 性能评估 | 第48-55页 |
| 2.5.1 数据集描述 | 第48-49页 |
| 2.5.2 实验设置 | 第49-50页 |
| 2.5.3 评分预测的结果评估 | 第50-52页 |
| 2.5.4 Top-N推荐的结果评估 | 第52-55页 |
| 2.6 本章小结 | 第55-56页 |
| 3 基于特定领域信任关系的矩阵分解推荐方法 | 第56-76页 |
| 3.1 引言 | 第56-58页 |
| 3.2 相关工作 | 第58-59页 |
| 3.3 问题描述 | 第59-61页 |
| 3.4 TruCom推荐方法 | 第61-66页 |
| 3.4.1 方法概述 | 第61页 |
| 3.4.2 生成特定领域的信任网络 | 第61-64页 |
| 3.4.3 构建统一的目标函数 | 第64-66页 |
| 3.5 性能评估 | 第66-75页 |
| 3.5.1 数据集描述 | 第67-68页 |
| 3.5.2 实验设置 | 第68页 |
| 3.5.3 参数的影响 | 第68-71页 |
| 3.5.4 不同方案的比较 | 第71-75页 |
| 3.6 本章小结 | 第75-76页 |
| 4 基于同角色用户间隐式关系挖掘的协同过滤推荐方法 | 第76-99页 |
| 4.1 引言 | 第76-79页 |
| 4.2 相关工作 | 第79-80页 |
| 4.3 CF-TC推荐方法 | 第80-87页 |
| 4.3.1 方法概述 | 第80-81页 |
| 4.3.2 挖掘同角色用户间的隐式关系 | 第81-85页 |
| 4.3.3 基于内存的CF-TC方法 | 第85页 |
| 4.3.4 基于矩阵分解的CF-TC方法 | 第85-87页 |
| 4.4 性能评估 | 第87-97页 |
| 4.4.1 数据集描述 | 第87页 |
| 4.4.2 实验设置 | 第87-89页 |
| 4.4.3 第一类方法实验结果 | 第89-95页 |
| 4.4.4 第二类方法实验结果 | 第95-97页 |
| 4.5 本章小结 | 第97-99页 |
| 5 基于信任关系和重排名策略的商品推荐方法 | 第99-118页 |
| 5.1 引言 | 第99-100页 |
| 5.2 相关工作 | 第100-102页 |
| 5.3 TruDiv推荐方法 | 第102-107页 |
| 5.3.1 方法概述 | 第102页 |
| 5.3.2 评分预测 | 第102-105页 |
| 5.3.3 商品排名 | 第105-107页 |
| 5.4 性能评估 | 第107-116页 |
| 5.4.1 数据集描述 | 第107-108页 |
| 5.4.2 实验设置 | 第108-109页 |
| 5.4.3 评分预测阶段的改进结果 | 第109-111页 |
| 5.4.4 商品排名阶段的改进结果 | 第111-116页 |
| 5.5 本章小结 | 第116-118页 |
| 6 结论与展望 | 第118-122页 |
| 6.1 本文工作总结 | 第118-119页 |
| 6.2 本文创新点 | 第119-120页 |
| 6.3 后续研究展望 | 第120-122页 |
| 参考文献 | 第122-132页 |
| 攻读博士学位期间科研项目及科研成果 | 第132-134页 |
| 致谢 | 第134-136页 |
| 作者简介 | 第136页 |