基于信任关系的协同过滤推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 推荐系统的发展历程及研究现状 | 第14-17页 |
| 1.2.1 推荐系统的发展历程 | 第14-15页 |
| 1.2.2 推荐系统的研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容和组织结构 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 本文的组织结构安排 | 第18-19页 |
| 第2章 推荐系统概述 | 第19-33页 |
| 2.1 推荐系统介绍 | 第19-20页 |
| 2.2 推荐系统的商业应用 | 第20页 |
| 2.3 主流的推荐技术 | 第20-21页 |
| 2.4 协同过滤推荐算法 | 第21-27页 |
| 2.4.1 符号定义与说明 | 第21-22页 |
| 2.4.2 基于模型的协同过滤算法 | 第22-23页 |
| 2.4.3 基于内存的协同过滤算法 | 第23-26页 |
| 2.4.4 协同过滤算法存在的问题 | 第26-27页 |
| 2.5 基于信任关系的推荐算法 | 第27-30页 |
| 2.5.1 信任的定义 | 第28页 |
| 2.5.2 信任的特征 | 第28-29页 |
| 2.5.3 信任网络中常用的符号声明与定义 | 第29页 |
| 2.5.4 基于信任关系的协同过滤算法 | 第29-30页 |
| 2.5.5 社交信任关系存在的问题 | 第30页 |
| 2.6 推荐系统的评测 | 第30-32页 |
| 2.6.1 实验方法 | 第30-31页 |
| 2.6.2 实验评估指标 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第3章 基于双信任机制的协同过滤算法 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 基于用户的协同过滤算法的基本流程 | 第33-34页 |
| 3.3 显示信任与隐式信任 | 第34-35页 |
| 3.4 一种新颖的基于双信任机制的协同过滤算法 | 第35-40页 |
| 3.4.1 计算隐式信任关系 | 第36-37页 |
| 3.4.2 评分融合过程 | 第37-38页 |
| 3.4.3 融合评分信心因子 | 第38-39页 |
| 3.4.4 计算用户相似度 | 第39页 |
| 3.4.5 评分预测 | 第39-40页 |
| 3.5 仿真实验 | 第40-44页 |
| 3.5.1 实验数据集 | 第40页 |
| 3.5.2 实验设置 | 第40-41页 |
| 3.5.3 实验评估指标 | 第41页 |
| 3.5.4 实验结果分析 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于改进相似度的信任推荐算法 | 第45-57页 |
| 4.0 引言 | 第45-46页 |
| 4.1 计算隐式信任关系 | 第46页 |
| 4.2 信任传播 | 第46-47页 |
| 4.3 计算融合后的评分 | 第47-48页 |
| 4.4 计算融合评分系数 | 第48-49页 |
| 4.5 传统的相似性度量方法 | 第49-50页 |
| 4.6 改进的相似性度量方法 | 第50-51页 |
| 4.6.1 Jaccard相似系数的修正 | 第50页 |
| 4.6.2 对传统相似性度量的修正 | 第50-51页 |
| 4.7 评分预测 | 第51页 |
| 4.8 仿真实验 | 第51-56页 |
| 4.8.1 实验数据集 | 第51页 |
| 4.8.2 实验设置 | 第51-52页 |
| 4.8.3 实验评估指标 | 第52页 |
| 4.8.4 实验结果分析 | 第52-56页 |
| 4.9 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-67页 |
| 附录 A 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 附录 B 攻读硕士学位期间参与的科研项目 | 第68页 |
