融合社会信任的推荐算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的目的和意义 | 第10-12页 |
| 1.3 国内外研究概况 | 第12-16页 |
| 1.4 论文的主要研究内容 | 第16-18页 |
| 1.4.1 论文研究内容 | 第16-17页 |
| 1.4.2 论文组织结构 | 第17-18页 |
| 第二章 个性化推荐算法研究 | 第18-30页 |
| 2.1 基于关联规则的推荐 | 第18-19页 |
| 2.2 基于内容的推荐 | 第19-21页 |
| 2.3 协同过滤 | 第21-27页 |
| 2.3.1 基于内存的协同过滤 | 第22-24页 |
| 2.3.2 基于模型的协同过滤 | 第24-26页 |
| 2.3.3 协同过滤存在的问题 | 第26-27页 |
| 2.4 社会化推荐 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 融合信任度和用户影响力的推荐算法 | 第30-39页 |
| 3.1 相似度的度量 | 第31-32页 |
| 3.2 信任度的度量 | 第32-35页 |
| 3.2.1 信任度度量模型 | 第32-35页 |
| 3.2.2 基于信任度的评分预测 | 第35页 |
| 3.3 用户影响力的度量 | 第35-37页 |
| 3.3.1 用户影响力度量模型 | 第35-37页 |
| 3.3.2 基于用户影响力的评分预测 | 第37页 |
| 3.4 融合信任度和用户影响力的推荐算法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 融合可信关联度的矩阵分解 | 第39-48页 |
| 4.1 矩阵分解 | 第39-42页 |
| 4.1.1 矩阵分解模型 | 第39-41页 |
| 4.1.2 梯度下降法 | 第41-42页 |
| 4.2 融合信任的矩阵分解 | 第42-44页 |
| 4.3 融合可信关联度的矩阵分解 | 第44-47页 |
| 4.3.1 可信关联度 | 第44页 |
| 4.3.2 用户关联矩阵 | 第44-45页 |
| 4.3.3 融合可信关联度的改进模型 | 第45-46页 |
| 4.3.4 模型训练 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验验证与分析 | 第48-57页 |
| 5.1 实验数据集 | 第48-50页 |
| 5.2 实验评价标准 | 第50页 |
| 5.3 实验结果与分析 | 第50-56页 |
| 5.3.1 融合信任度和用户影响力的推荐算法 | 第51-53页 |
| 5.3.2 矩阵分解模型实验分析 | 第53-55页 |
| 5.3.3 融合可信关联度的矩阵分解 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第63-64页 |
| 作者在攻读硕士学位期间所作的项目 | 第64-65页 |
| 致谢 | 第65页 |
