基于细粒度信任推导的社交推荐模型研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 相关研究工作 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 本文结构 | 第18-20页 |
| 第二章 信任推导和社交推荐相关技术介绍 | 第20-31页 |
| 2.1 协同过滤推荐技术 | 第20-26页 |
| 2.1.1 协同过滤算法概述 | 第20-22页 |
| 2.1.2 基于用户的最近邻算法 | 第22-23页 |
| 2.1.3 挖掘潜在因素的隐语义模型 | 第23-26页 |
| 2.2 信任和不信任关系推导 | 第26-29页 |
| 2.2.1 基于传递性的信任推导 | 第26-28页 |
| 2.2.2 基于相似性的信任推导 | 第28页 |
| 2.2.3 基于多维性的信任推导 | 第28-29页 |
| 2.3 结合信任关系的社交推荐 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 社交网络下细粒度信任推导模型 | 第31-47页 |
| 3.1 信任推导模型原理 | 第31-32页 |
| 3.2 信任和不信任推导模型 | 第32-36页 |
| 3.2.1 关键用户反馈的信任传播推导 | 第32-35页 |
| 3.2.2 结合近邻算法的推导调优 | 第35-36页 |
| 3.3 基于用户交互的信任粒度度量 | 第36-37页 |
| 3.4 基于多维性的细粒度信任推导 | 第37-40页 |
| 3.5 实验结果与分析 | 第40-46页 |
| 3.5.1 数据集描述 | 第40-41页 |
| 3.5.2 评估方法 | 第41-42页 |
| 3.5.3 边界选择对信任推导的影响 | 第42-44页 |
| 3.5.4 多维信任推导模型参数分析 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于细粒度信任推导的社交推荐模型 | 第47-59页 |
| 4.1 社交推荐模型原理与组成 | 第47-49页 |
| 4.1.1 社交推荐模型原理 | 第47-48页 |
| 4.1.2 社交推荐模型组成 | 第48-49页 |
| 4.2 细粒度信任推导下的近邻算法 | 第49-51页 |
| 4.2.1 社交关系类型细分策略 | 第49-50页 |
| 4.2.2 基于细粒度信任的混合评分策略 | 第50-51页 |
| 4.3 细粒度信任推导下的联合矩阵分解模型 | 第51-58页 |
| 4.3.1 用户反馈矩阵分解 | 第51-53页 |
| 4.3.2 细粒度信任矩阵分解 | 第53-55页 |
| 4.3.3 社交联合矩阵分解 | 第55-58页 |
| 4.3.4 复杂度分析 | 第58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 社交推荐实验结果与分析 | 第59-69页 |
| 5.1 实验评估方法 | 第59-60页 |
| 5.2 NNST模型实验结果与分析 | 第60-63页 |
| 5.2.1 比较方法介绍 | 第60页 |
| 5.2.2 推荐有效性比较 | 第60-63页 |
| 5.3 CMFST模型实验结果与分析 | 第63-68页 |
| 5.3.1 比较方法介绍 | 第63页 |
| 5.3.2 推荐有效性比较 | 第63-64页 |
| 5.3.3 分组用户实验 | 第64-66页 |
| 5.3.4 模型效率 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表论文和参与科研项目情况 | 第76-77页 |
| 致谢 | 第77页 |
