基于社交网络与属性信息的推荐算法研究与应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 传统推荐方法 | 第11-12页 |
| 1.2.2 基于社交网络推荐方法 | 第12-13页 |
| 1.2.3 基于属性信息推荐方法 | 第13页 |
| 1.3 研究目标与主要内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 推荐系统介绍 | 第16-31页 |
| 2.1 推荐系统概要 | 第16页 |
| 2.2 用户信息 | 第16-19页 |
| 2.2.1 评分数据 | 第17页 |
| 2.2.2 社交网络 | 第17-19页 |
| 2.2.3 属性信息 | 第19页 |
| 2.3 推荐算法 | 第19-25页 |
| 2.3.1 基于内容过滤方法 | 第20页 |
| 2.3.2 协同过滤方法 | 第20-25页 |
| 2.3.3 混合方法 | 第25页 |
| 2.4 推荐方式 | 第25-26页 |
| 2.5 常用评估方法 | 第26-30页 |
| 2.5.1 准确率 | 第26-28页 |
| 2.5.2 覆盖率和多样性 | 第28页 |
| 2.5.3 新颖度与惊喜度 | 第28-29页 |
| 2.5.4 决策支持评估 | 第29-30页 |
| 2.6 存在问题 | 第30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于个体差异的社交融合方法 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 相关技术 | 第31-33页 |
| 3.2.1 基本矩阵分解模型 | 第31-32页 |
| 3.2.2 社交融合模型 | 第32-33页 |
| 3.3 现有问题 | 第33-34页 |
| 3.4 基于个体差异的社交融合 | 第34-38页 |
| 3.4.1 社交信任值计算 | 第34-35页 |
| 3.4.2 个体差异社交融合 | 第35-36页 |
| 3.4.3 正规化处理 | 第36-37页 |
| 3.4.4 模型训练公式 | 第37-38页 |
| 3.5 算法流程 | 第38-39页 |
| 3.6 实验分析 | 第39-43页 |
| 3.6.1 实验数据集 | 第39-40页 |
| 3.6.2 算法分析 | 第40-42页 |
| 3.6.3 算法比较 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 属性偏好自学习的推荐方法 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 现有问题 | 第44-45页 |
| 4.3 属性偏好自学习 | 第45-50页 |
| 4.3.1 预测模型 | 第45-48页 |
| 4.3.2 训练模型 | 第48-50页 |
| 4.4 算法流程 | 第50-51页 |
| 4.5 实验分析 | 第51-57页 |
| 4.5.1 实验数据集 | 第51页 |
| 4.5.2 稀疏性分析 | 第51-53页 |
| 4.5.3 算法分析 | 第53-55页 |
| 4.5.4 算法比较 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 通用推荐系统设计 | 第58-75页 |
| 5.1 引言 | 第58页 |
| 5.2 系统设计 | 第58-63页 |
| 5.2.1 系统概要 | 第58-59页 |
| 5.2.2 功能模块 | 第59-60页 |
| 5.2.3 架构设计 | 第60-61页 |
| 5.2.4 数据库设计 | 第61-63页 |
| 5.3 详细设计 | 第63-67页 |
| 5.3.1 类图设计 | 第63-64页 |
| 5.3.2 预测评分 | 第64-65页 |
| 5.3.3 商品推送 | 第65-66页 |
| 5.3.4 页面设计 | 第66-67页 |
| 5.4 系统实现 | 第67-74页 |
| 5.4.1 实现技术 | 第68-71页 |
| 5.4.2 推荐功能 | 第71-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |
