社会网络中基于社会关系的推荐算法研究
摘要 | 第11-13页 |
ABSTRACT | 第13-15页 |
第1章 绪论 | 第16-32页 |
1.1 研究背景 | 第16-18页 |
1.2 研究内容及意义 | 第18-20页 |
1.3 研究现状 | 第20-28页 |
1.3.1 协同过滤算法 | 第20-24页 |
1.3.2 社会网络中的推荐算法 | 第24-28页 |
1.4 本文的贡献及创新点 | 第28-29页 |
1.5 本文的组织结构 | 第29-32页 |
第2章 本文涉及的基础算法和数据集 | 第32-41页 |
2.1 基础算法介绍 | 第32-39页 |
2.1.1 矩阵分解技术 | 第32-34页 |
2.1.2 SoRec方法 | 第34-36页 |
2.1.3 SocialMF方法 | 第36-37页 |
2.1.4 面向排序的BPR算法 | 第37-39页 |
2.2 数据集介绍 | 第39-40页 |
2.2.1 腾讯微博数据集 | 第39-40页 |
2.2.2 Epinions数据集 | 第40页 |
2.2.3 Ciao数据集 | 第40页 |
2.3 本章小结 | 第40-41页 |
第3章 结合item间关联关系的推荐算法 | 第41-51页 |
3.1 推荐方法 | 第41-45页 |
3.1.1 问题描述 | 第41-42页 |
3.1.2 结合item间关联关系的推荐方法 | 第42-45页 |
3.2 实验结果与分析 | 第45-50页 |
3.2.1 数据集 | 第45页 |
3.2.2 评价方法 | 第45-46页 |
3.2.3 结果比较 | 第46-48页 |
3.2.4 参数的影响 | 第48-49页 |
3.2.5 关联关系的计算方法比较 | 第49-50页 |
3.3 本章小结 | 第50-51页 |
第4章 信任关系强度敏感的社会化推荐算法 | 第51-61页 |
4.1 基于信任关系的推荐方法 | 第51-56页 |
4.1.1 问题描述 | 第52-53页 |
4.1.2 信任关系的建模方法 | 第53页 |
4.1.3 信任关系强度敏感的推荐方法 | 第53-55页 |
4.1.4 InfluenceMF方法 | 第55-56页 |
4.2 实验结果与分析 | 第56-59页 |
4.2.1 数据集和评价方法 | 第57页 |
4.2.2 结果比较 | 第57-58页 |
4.2.3 参数的影响 | 第58-59页 |
4.2.4 验证信任关系的准确性 | 第59页 |
4.3 本章小结 | 第59-61页 |
第5章 基于社会关系上下文的推荐算法 | 第61-76页 |
5.1 问题描述 | 第61-62页 |
5.2 推荐框架 | 第62-69页 |
5.2.1 基于上下文信息的推荐方法 | 第63-65页 |
5.2.2 基于共同朋友的约束条件 | 第65-67页 |
5.2.3 优化方法 | 第67-68页 |
5.2.4 时间复杂性分析 | 第68-69页 |
5.3 实验结果分析 | 第69-74页 |
5.3.1 数据集 | 第70页 |
5.3.2 评价标准 | 第70-71页 |
5.3.3 结果比较 | 第71-73页 |
5.3.4 参数的影响 | 第73-74页 |
5.4 本章小结 | 第74-76页 |
第6章 基于信任关系的社会化排序算法 | 第76-92页 |
6.1 推荐方法 | 第76-84页 |
6.1.1 问题描述 | 第77页 |
6.1.2 基于信任关系的排序策略 | 第77-80页 |
6.1.3 多类别系统中的信任关系推断 | 第80-82页 |
6.1.4 最终的排序算法 | 第82-84页 |
6.2 数据分析和实验结果 | 第84-90页 |
6.2.1 数据集 | 第84-85页 |
6.2.2 信任网络与用户兴趣之间的关系 | 第85-86页 |
6.2.3 信任关系的多样性分析 | 第86-87页 |
6.2.4 实验结果比较 | 第87-89页 |
6.2.5 参数的影响 | 第89-90页 |
6.2.6 冷启动条件下的推荐结果 | 第90页 |
6.3 本章小结 | 第90-92页 |
第7章 总结与展望 | 第92-95页 |
7.1 主要工作总结 | 第92-93页 |
7.2 未来工作展望 | 第93-95页 |
参考文献 | 第95-107页 |
致谢 | 第107-108页 |
攻读学位期间发表的学术论文目录 | 第108-110页 |
攻读学位期间参与科研项目情况 | 第110-111页 |
攻读学位期间获奖情况 | 第111-112页 |
外文论文 | 第112-152页 |
附件 | 第152页 |