| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 协同推荐算法及相关知识介绍 | 第16-26页 |
| ·引言 | 第16页 |
| ·基于内存的协同推荐 | 第16-18页 |
| ·基于用户的协同推荐算法 | 第16-17页 |
| ·基于项目的协同推荐算法 | 第17-18页 |
| ·基于模型的协同推荐 | 第18-22页 |
| ·基本矩阵分解模型 | 第18-20页 |
| ·基于 M-估计量的矩阵分解模型 | 第20-21页 |
| ·基于最小截断二乘估计量的矩阵分解模型 | 第21-22页 |
| ·协同推荐系统中的安全问题 | 第22-25页 |
| ·托攻击的相关概念 | 第22-23页 |
| ·不同攻击模型的分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于用户评分矩阵分块和改进 LTS-估计的推荐模型 | 第26-34页 |
| ·引言 | 第26页 |
| ·符号说明及相关定义 | 第26-28页 |
| ·基于 k-median 聚类的用户评分矩阵分块 | 第28-30页 |
| ·F 范数定义下的 LTS-估计 | 第30-32页 |
| ·鲁棒的推荐模型 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于增量式聚类和矩阵分解的推荐模型 | 第34-42页 |
| ·引言 | 第34页 |
| ·基于聚类和矩阵分解的鲁棒推荐 | 第34-38页 |
| ·相关定义 | 第34-35页 |
| ·基于四分残差的 M-估计 | 第35-37页 |
| ·鲁棒的推荐模型 | 第37-38页 |
| ·基于增量式聚类和矩阵分解的模型更新 | 第38-40页 |
| ·用户评分矩阵分块的增量式更新 | 第38-40页 |
| ·用户(项目)特征向量的增量式更新 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第5章 实验与评价 | 第42-52页 |
| ·实验数据与设置 | 第42-44页 |
| ·实验数据 | 第42-43页 |
| ·数据设置 | 第43页 |
| ·实验环境 | 第43-44页 |
| ·评价指标 | 第44页 |
| ·基于用户评分矩阵分块和改进 LTS-估计的鲁棒推荐模型性能评价 | 第44-48页 |
| ·推荐模型的鲁棒性对比 | 第44-46页 |
| ·推荐模型的推荐精度对比 | 第46-48页 |
| ·增量式聚类和矩阵分解的鲁棒推荐模型性能评价 | 第48-51页 |
| ·推荐模型的鲁棒性和推荐精度对比 | 第48-50页 |
| ·模型更新时间对比 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |