| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关技术研究现状 | 第10-12页 |
| 1.3 研究难点与创新点 | 第12-13页 |
| 1.4 论文内容组织 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 面向个体的推荐模型分析 | 第15-31页 |
| 2.1 推荐模型 | 第15-23页 |
| 2.1.1 基于邻域的协同过滤 | 第16页 |
| 2.1.2 基于矩阵分解的协同过滤 | 第16-18页 |
| 2.1.3 矩阵分解模型构建 | 第18-23页 |
| 2.2 实验与结果分析 | 第23-30页 |
| 2.2.1 实验数据集来源和特征 | 第23-24页 |
| 2.2.2 数据预处理 | 第24-25页 |
| 2.2.3 推荐模型评估指标 | 第25-27页 |
| 2.2.4 实验结果与分析 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 分布式推荐算法优化 | 第31-49页 |
| 3.1 并行架构及工具 | 第31页 |
| 3.2 LUALS-WR算法描述 | 第31-34页 |
| 3.3 基于LU分解的特征向量更新 | 第34-38页 |
| 3.3.1 QR分解求逆矩阵的问题 | 第34-35页 |
| 3.3.2 矩阵的LU分解 | 第35-38页 |
| 3.4 分布式矩阵分解模型求解 | 第38-43页 |
| 3.4.1 随机梯度下降 | 第38-39页 |
| 3.4.2 交替最小二乘 | 第39-41页 |
| 3.4.3 基于MapReduce的分割策略 | 第41-43页 |
| 3.5 实验与结果分析 | 第43-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 Follow社交关系的群组推荐方法 | 第49-64页 |
| 4.1 问题提出 | 第49-50页 |
| 4.2 群组推荐方法 | 第50-53页 |
| 4.2.1 群组推荐的层次框架 | 第50-51页 |
| 4.2.2 群组推荐融合算法 | 第51-52页 |
| 4.2.3 矩阵分解模型群组推荐方法 | 第52-53页 |
| 4.3 偏好融合策略 | 第53-57页 |
| 4.3.1 基于socialchoice的偏好融合策略 | 第54-56页 |
| 4.3.2 传统的基于满意度的偏好融合方法 | 第56-57页 |
| 4.4 实验与结果分析 | 第57-63页 |
| 4.4.1 实验数据预处理 | 第57-58页 |
| 4.4.2 实验方案设计 | 第58页 |
| 4.4.3 实验与结果分析 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-67页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 论文展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第72页 |