社交网络中朋友推荐技术研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·个性化推荐系统简介 | 第11-16页 |
| ·基本概念 | 第11-14页 |
| ·研究热点 | 第14-16页 |
| ·社交网络中的朋友推荐 | 第16-18页 |
| ·研究意义 | 第16-17页 |
| ·存在的问题及面临的挑战 | 第17-18页 |
| ·论文主要工作 | 第18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 相关技术及基本理论 | 第19-29页 |
| ·个性化推荐系统相关技术 | 第19-21页 |
| ·推荐系统的结构组成 | 第19页 |
| ·推荐系统的工作流程 | 第19-20页 |
| ·常用用户相似度计算模型 | 第20-21页 |
| ·常用朋友推荐模型 | 第21-25页 |
| ·基于内容过滤的朋友推荐 | 第22页 |
| ·基于协同过滤的朋友推荐 | 第22-24页 |
| ·基于社交图谱的朋友推荐 | 第24-25页 |
| ·推荐系统性能评价 | 第25-28页 |
| ·推荐系统评价方式 | 第25页 |
| ·推荐系统评价指标 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于局部随机游走的朋友推荐算法 | 第29-39页 |
| ·随机游走模型基本概念 | 第29-32页 |
| ·随机游走的基本原理 | 第29-30页 |
| ·常用的随机游走模型 | 第30-32页 |
| ·常用随机游走模型在朋友推荐中的局限性 | 第32-33页 |
| ·计算开销 | 第32页 |
| ·偏离目标 | 第32-33页 |
| ·改进的随机游走思想 SLRWR | 第33-36页 |
| ·针对计算开销的改进策略 | 第33-34页 |
| ·针对游走偏离目标的改进策略 | 第34页 |
| ·基于局部随机游走的策略 SLRWR | 第34-35页 |
| ·三种改进的比较 | 第35-36页 |
| ·SLRWR 设计实现 | 第36-38页 |
| ·SLRWR 算法描述 | 第36-37页 |
| ·对比算法描述 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于矩阵分解的朋友推荐算法 | 第39-50页 |
| ·朋友推荐中矩阵因式分解算法的应用 | 第39-42页 |
| ·朋友推荐中矩阵因式分解基本思想 | 第40-41页 |
| ·矩阵分解模型求解 | 第41-42页 |
| ·常用矩阵分解模型在朋友推荐中的局限性 | 第42-44页 |
| ·基于隐反馈的采样问题 | 第42-43页 |
| ·朋友关系挖掘不足 | 第43页 |
| ·用户属性信息利用不足 | 第43-44页 |
| ·改进的 WSVD 矩阵分解算法 | 第44-48页 |
| ·用户正负反馈采样 | 第44-46页 |
| ·基于用户关系的社会化过滤 | 第46-47页 |
| ·考虑用户属性的相似度计算 | 第47-48页 |
| ·算法描述及实现 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于微博数据的实验验证 | 第50-58页 |
| ·实验数据集 | 第50-51页 |
| ·数据集介绍 | 第50页 |
| ·数据预处理 | 第50-51页 |
| ·评测标准 | 第51-53页 |
| ·查准率 | 第51-52页 |
| ·平均倒数排名 | 第52页 |
| ·AUC 曲线 | 第52-53页 |
| ·SLRWR 模型讨论与结果分析 | 第53-54页 |
| ·对比模型及参数设置 | 第53页 |
| ·结果分析 | 第53-54页 |
| ·WSVD 模型讨论与结果分析 | 第54-57页 |
| ·对比模型及参数设置 | 第54页 |
| ·结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-59页 |
| ·工作总结 | 第58页 |
| ·工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者在学习期间取得的学术成果 | 第63-64页 |
| 作者在学习期间参加的科研项目 | 第64页 |
