| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 推荐系统及相关技术综述 | 第16-28页 |
| 2.1 推荐系统的定义 | 第16页 |
| 2.2 推荐算法的分类 | 第16-21页 |
| 2.2.1 基于内容的推荐算法 | 第17-18页 |
| 2.2.2 协同过滤推荐算法 | 第18-20页 |
| 2.2.3 混合推荐算法 | 第20-21页 |
| 2.3 社会化推荐算法 | 第21-23页 |
| 2.4 基础算法介绍 | 第23-27页 |
| 2.4.1 PMF模型 | 第23-25页 |
| 2.4.2 SocialMF模型 | 第25-26页 |
| 2.4.3 BPR模型及BPRMF算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 隐式反馈场景中结合信任与相似度的排序推荐 | 第28-38页 |
| 3.1 问题定义 | 第28-29页 |
| 3.2 信任模型 | 第29-31页 |
| 3.2.1 信任关系度量 | 第29-31页 |
| 3.2.2 信任传播机制 | 第31页 |
| 3.3 隐式反馈场景中结合信任与相似度的排序推荐 | 第31-33页 |
| 3.4 实验验证与结果分析 | 第33-37页 |
| 3.4.1 实验数据集与评价指标 | 第33-34页 |
| 3.4.2 对比算法及参数设置 | 第34-35页 |
| 3.4.3 实验方案及结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 融合用户相似性和信任关系的概率矩阵分解算法 | 第38-50页 |
| 4.1 问题定义 | 第38-39页 |
| 4.2 融合用户相似性和信任关系的概率矩阵分解算法 | 第39-43页 |
| 4.2.1 信任关系建模 | 第39-40页 |
| 4.2.2 相似度度量 | 第40-41页 |
| 4.2.3 融合相似性与信任关系 | 第41页 |
| 4.2.4 生成推荐 | 第41-43页 |
| 4.3 实验验证及结果分析 | 第43-49页 |
| 4.3.1 实验数据集 | 第43-44页 |
| 4.3.2 评价指标 | 第44页 |
| 4.3.3 对比算法及参数设置 | 第44-45页 |
| 4.3.4 实验结果与分析 | 第45-46页 |
| 4.3.5 参数的影响 | 第46-47页 |
| 4.3.6 不同类型用户的推荐性能对比 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 未来展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的研究成果 | 第56-57页 |