基于信任模型的协同过滤推荐算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-13页 |
| ·推荐系统研究现状以及进展 | 第13-15页 |
| ·推荐系统研究现状 | 第13-14页 |
| ·典型的推荐系统 | 第14-15页 |
| ·信任以及信任模型 | 第15-16页 |
| ·信任定义 | 第15-16页 |
| ·信任模型概述 | 第16页 |
| ·本文的内容与结构 | 第16-19页 |
| 第2章 推荐系统相关概念及算法 | 第19-33页 |
| ·相关的基本概念 | 第19-22页 |
| ·信息检索与信息过滤 | 第19-21页 |
| ·推荐系统 | 第21-22页 |
| ·基于关联规则算法 | 第22-23页 |
| ·基于内容的推荐算法 | 第23-24页 |
| ·协同过滤推荐算法 | 第24-32页 |
| ·基于用户协同过滤推荐算法 | 第27-28页 |
| ·基于项目的协同过滤推荐 | 第28-29页 |
| ·推荐系统的评估 | 第29-30页 |
| ·数据集 | 第30-31页 |
| ·协同过滤技术存在的问题和挑战 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第3章 信任特性和信任模型分析 | 第33-45页 |
| ·信任定义和性质 | 第33-36页 |
| ·信任定义 | 第33页 |
| ·信任的性质 | 第33-35页 |
| ·信任关系 | 第35页 |
| ·信任的表示 | 第35-36页 |
| ·信任推理方法 | 第36-38页 |
| ·加权平均推理法 | 第36-37页 |
| ·极大似然估计推理方法 | 第37页 |
| ·贝叶斯推理方法 | 第37页 |
| ·模糊推理方法 | 第37-38页 |
| ·灰色推理方法 | 第38页 |
| ·典型的信任模型及算法 | 第38-43页 |
| ·eBay 系统中的信任模型 | 第38-39页 |
| ·Beth 信任模型 | 第39-40页 |
| ·EigenTrust 模型 | 第40-41页 |
| ·Dirichlet 信任算法 | 第41页 |
| ·PeerTrust 算法 | 第41-42页 |
| ·几种典型信任模型比较 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第4章 基于信任模型的协同过滤算法 | 第45-53页 |
| ·相关概念 | 第45-46页 |
| ·信任的定义 | 第45页 |
| ·信任的性质 | 第45-46页 |
| ·信任模型建立 | 第46-48页 |
| ·基于相似度的直接信任 | 第47页 |
| ·基于相似度的推荐信任 | 第47-48页 |
| ·基于信任模型的协同过滤推荐算法 | 第48-49页 |
| ·用户需求模板 | 第48页 |
| ·查找最近邻居 | 第48-49页 |
| ·产生推荐 | 第49页 |
| ·实验仿真及结果分析 | 第49-51页 |
| ·测试集 | 第50页 |
| ·度量标准 | 第50页 |
| ·实验结果和分析 | 第50-51页 |
| ·小结 | 第51-53页 |
| 第5章 结论与展望 | 第53-55页 |
| ·本文主要内容总结 | 第53页 |
| ·进一步的工作 | 第53-55页 |
| 参考文献 | 第55-57页 |
