| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景与意义 | 第14-18页 |
| 1.1.1 研究背景与研究问题 | 第14-16页 |
| 1.1.2 选题的理论意义与实用价值 | 第16-18页 |
| 1.2 国内外研究动态分析 | 第18-23页 |
| 1.2.1 兴趣挖掘研究现状 | 第18-19页 |
| 1.2.2 用户隐私保护研究现状 | 第19-21页 |
| 1.2.3 交叉推荐研究现状 | 第21-23页 |
| 1.3 研究目标、内容与拟解决问题 | 第23-26页 |
| 1.3.1 研究目标 | 第23-24页 |
| 1.3.2 研究内容 | 第24-26页 |
| 1.3.3 拟解决的关键问题 | 第26页 |
| 1.4 研究方法、技术路线以及创新点 | 第26-32页 |
| 1.4.1 研究方法与技术路线 | 第26-30页 |
| 1.4.2 论文结构与内容安排 | 第30-31页 |
| 1.4.3 论文特色与创新点 | 第31-32页 |
| 第二章 文献综述 | 第32-42页 |
| 2.1 基于动态兴趣识别与挖掘的研究 | 第32-35页 |
| 2.1.1 动态兴趣 | 第32-33页 |
| 2.1.2 兴趣递减规律 | 第33-34页 |
| 2.1.3 兴趣漂移 | 第34-35页 |
| 2.2 基于用户兴趣的实时推荐技术 | 第35-38页 |
| 2.2.1 兴趣引擎 | 第35-36页 |
| 2.2.2 兴趣图谱 | 第36-38页 |
| 2.3 高效的隐私保护推荐技术的研究 | 第38-40页 |
| 2.3.1 基于时序信息的隐私保护研究 | 第38页 |
| 2.3.2 基于数据扰动的隐私保护研究 | 第38-39页 |
| 2.3.3 基于安全多方的加密隐私保护研究 | 第39-40页 |
| 2.4 基于复杂网络结构的交叉推荐研究 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 用户动态兴趣获取、测量与建模 | 第42-54页 |
| 3.1 在线用户兴趣的定义与分类 | 第42-46页 |
| 3.1.1 在线用户兴趣的定义 | 第42-44页 |
| 3.1.2 在线用户兴趣的分类 | 第44-45页 |
| 3.1.3 用户兴趣的刺激机制 | 第45-46页 |
| 3.2 用户动态兴趣的获取与用户建模 | 第46-52页 |
| 3.2.1 用户动态兴趣的捕捉与获取 | 第46-50页 |
| 3.2.2 基于动态兴趣的用户建模 | 第50-52页 |
| 3.3 基于艾宾浩斯遗忘函数的用户兴趣的建模 | 第52-53页 |
| 3.3.1 艾宾浩斯遗忘函数模型 | 第52-53页 |
| 3.3.2 基于艾宾浩斯遗忘函数的用户兴趣递减模型 | 第53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于动态兴趣的用户聚类的行为建模 | 第54-60页 |
| 4.1 用户聚类模型 | 第54-56页 |
| 4.1.1 聚类的定义 | 第54-55页 |
| 4.1.2 聚类距离的定义 | 第55-56页 |
| 4.2 基于动态兴趣的用户聚类的行为建模 | 第56-59页 |
| 4.2.1 关键主题领域的用户聚类 | 第56-57页 |
| 4.2.2 基于实例推理的类比推理 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 基于变权的隐私保护推荐算法 | 第60-87页 |
| 5.1 用户隐私的敏感度分析 | 第60-66页 |
| 5.1.1 用户隐私的感知分析 | 第60-61页 |
| 5.1.2 隐私与用户隐私态度分类 | 第61-63页 |
| 5.1.3 用户隐私感知的度量 | 第63-66页 |
| 5.2 基于安全多方隐私保护推荐算法 | 第66-71页 |
| 5.2.1 安全多方隐私保护的传输协议 | 第66-69页 |
| 5.2.2 半诚实模型下的安全性定义 | 第69-71页 |
| 5.3 基于加权的安全多方隐私保护推荐算法模型 | 第71-84页 |
| 5.3.1 带权重的门限密匙共享体制 | 第71-75页 |
| 5.3.2 基于Karmarkar算法的高效的安全多方协议 | 第75-84页 |
| 5.4 数据仿真实验 | 第84-86页 |
| 5.4.1 有效性验证 | 第84页 |
| 5.4.2 效率性验证 | 第84-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第六章 跨电商平台的复杂网络交叉推荐应用 | 第87-105页 |
| 6.1 交叉推荐工具——购物决策助手 | 第87-90页 |
| 6.1.1 交叉推荐的平台架构模式 | 第87-88页 |
| 6.1.2 交叉推荐工具——购物决策助手 | 第88-90页 |
| 6.2 基于交叉推荐二部分图的用户兴趣图谱 | 第90-92页 |
| 6.2.1 “用户—产品”二部分图 | 第90-91页 |
| 6.2.2 用户兴趣图谱构建框架 | 第91-92页 |
| 6.3 实验的设计和数据的收集 | 第92-95页 |
| 6.3.1 实验的筹备 | 第92页 |
| 6.3.2 实验数据收集 | 第92-95页 |
| 6.4 实验数据分析 | 第95-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第七章 结论与展望 | 第105-108页 |
| 参考文献 | 第108-123页 |
| 攻读学位期间发表的论文 | 第123-127页 |
| 致谢 | 第127-128页 |