基于用户多兴趣和社交网络的个性化推荐研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究工作 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 个性化推荐理论与算法概述 | 第12-25页 |
| 2.1 推荐系统 | 第12-20页 |
| 2.1.1 推荐系统概述 | 第12-13页 |
| 2.1.2 基于内容的推荐算法 | 第13-15页 |
| 2.1.3 协同过滤推荐算法 | 第15-18页 |
| 2.1.4 推荐系统评价指标 | 第18-20页 |
| 2.2 用户兴趣建模方法 | 第20-21页 |
| 2.3 基于社交网络的推荐算法 | 第21-24页 |
| 2.3.1 基于邻居的社交化推荐算法 | 第21-23页 |
| 2.3.2 基于矩阵因子分解的社交化推荐算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于多兴趣模型的推荐算法研究 | 第25-38页 |
| 3.1 基于多兴趣模型的推荐算法 | 第25-31页 |
| 3.1.1 项目聚类 | 第25-27页 |
| 3.1.2 个人偏好计算 | 第27-29页 |
| 3.1.3 最近邻选择 | 第29页 |
| 3.1.4 TopN推荐 | 第29-31页 |
| 3.2 实验设计 | 第31页 |
| 3.2.1 实验数据集 | 第31页 |
| 3.2.2 比较算法和评价指标 | 第31页 |
| 3.3 实验结果及分析 | 第31-37页 |
| 3.3.1 β对实验结果影响分析 | 第31-33页 |
| 3.3.2 最近邻数量对实验结果影响分析 | 第33-35页 |
| 3.3.3 推荐准确性分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于个人兴趣和社交好友兴趣的推荐算法研究 | 第38-56页 |
| 4.1 基于个人兴趣和社交好友兴趣的推荐算法 | 第38-42页 |
| 4.1.1 社交好友偏好计算 | 第38-39页 |
| 4.1.2 混合偏好计算 | 第39页 |
| 4.1.3 最近邻选择 | 第39-41页 |
| 4.1.4 TopN推荐 | 第41-42页 |
| 4.2 实验设计 | 第42-44页 |
| 4.2.1 实验数据集 | 第42-43页 |
| 4.2.2 比较算法和评价指标 | 第43页 |
| 4.2.3 参数设置 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-55页 |
| 4.3.1 α对实验结果影响分析 | 第44-47页 |
| 4.3.2 推荐准确性分析 | 第47-50页 |
| 4.3.3 推荐多样性分析 | 第50-51页 |
| 4.3.4 冷启动用户推荐准确性分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 发表论文和科研情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |
