基于用户偏好与信任网络的协同过滤算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的研究内容与组织结构 | 第18-19页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 组织结构 | 第18-19页 |
| 1.4 小结 | 第19-20页 |
| 第2章 相关概念与技术 | 第20-32页 |
| 2.1 个性化推荐系统概况 | 第20-23页 |
| 2.1.1 个性化推荐系统概述 | 第20页 |
| 2.1.2 推荐系统常用算法 | 第20-23页 |
| 2.2 协同过滤推荐算法 | 第23-27页 |
| 2.2.1 协同过滤算法概述 | 第23-25页 |
| 2.2.2 基于内存的协同过滤算法 | 第25-26页 |
| 2.2.3 基于模型的协同过滤算法 | 第26-27页 |
| 2.3 信任网络 | 第27-30页 |
| 2.3.1 信任的概念 | 第27-28页 |
| 2.3.2 信任网络 | 第28-29页 |
| 2.3.3 基于信任的推荐算法 | 第29-30页 |
| 2.4 评估指标 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第3章 基于用户偏好的协同过滤算法 | 第32-47页 |
| 3.1 问题描述及挑战 | 第32-33页 |
| 3.2 基于用户偏好的协同过滤算法 | 第33-36页 |
| 3.2.1 协同过滤算法概述 | 第33-34页 |
| 3.2.2 总体框架 | 第34-35页 |
| 3.2.3 应用场景 | 第35-36页 |
| 3.3 算法实现 | 第36-41页 |
| 3.3.1 用户评分准则因子 | 第36-37页 |
| 3.3.2 时间偏好变化因子 | 第37-39页 |
| 3.3.3 基于用户偏好的相似度计算 | 第39-40页 |
| 3.3.4 基于用户偏好的评分预测 | 第40-41页 |
| 3.3.5 算法复杂度分析 | 第41页 |
| 3.4 实验对比 | 第41-46页 |
| 3.4.1 实验设计 | 第41-42页 |
| 3.4.2 实验结果分析 | 第42-46页 |
| 3.5 小结 | 第46-47页 |
| 第4章 基于用户信任网络的协同过滤算法 | 第47-65页 |
| 4.1 问题描述及挑战 | 第47-48页 |
| 4.2 相关概念 | 第48-53页 |
| 4.2.1 信任网络 | 第48-49页 |
| 4.2.2 信任传播 | 第49-51页 |
| 4.2.3 网络流 | 第51-53页 |
| 4.3 基于信任网络的协同过滤算法 | 第53-58页 |
| 4.3.1 算法概述 | 第53-54页 |
| 4.3.2 信任衰减模型 | 第54页 |
| 4.3.3 构造增益网络 | 第54-55页 |
| 4.3.4 计算最大信任流 | 第55-58页 |
| 4.3.5 评分预测推荐 | 第58页 |
| 4.4 实验对比 | 第58-63页 |
| 4.4.1 实验设计 | 第58-59页 |
| 4.4.2 实验结果分析 | 第59-63页 |
| 4.5 小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71-72页 |
| 附录B 攻读学位期间参与的主要项目 | 第72-73页 |
| 致谢 | 第73页 |
