| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状和发展趋势 | 第13-15页 |
| 1.2.1 基于二部图网络的信息推荐 | 第13-14页 |
| 1.2.2 基于用户-产品评分矩阵的评分预测 | 第14-15页 |
| 1.3 论文主要工作和创新点 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 结合用户偏好的个性化推荐算法 | 第17-29页 |
| 2.1 问题的提出和相关工作 | 第17-18页 |
| 2.2 算法 | 第18-20页 |
| 2.2.1 热传导和物质扩散算法 | 第18-20页 |
| 2.2.2 混合推荐算法 | 第20页 |
| 2.2.3 结合用户偏好的推荐算法 | 第20页 |
| 2.3 实验设计 | 第20-23页 |
| 2.3.1 数据集 | 第21页 |
| 2.3.2 评价指标 | 第21-22页 |
| 2.3.3 实验方法和过程 | 第22-23页 |
| 2.4 实验结果及分析 | 第23-28页 |
| 2.4.1 用户对算法偏好的异质性 | 第23-24页 |
| 2.4.2 理想算法的改善幅度 | 第24页 |
| 2.4.3 最佳混合参数与用户特性的关联 | 第24-26页 |
| 2.4.4 新算法对最优参数估计的准确性 | 第26-27页 |
| 2.4.5 新算法对可调参数的调节 | 第27页 |
| 2.4.6 新算法相比原始混合算法的提高 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 用户级个性化推荐算法 | 第29-43页 |
| 3.1 问题的提出和相关工作 | 第29-30页 |
| 3.2 算法 | 第30-32页 |
| 3.2.1 基于产品流行性的推荐算法 | 第30页 |
| 3.2.2 基于用户的协同过滤算法 | 第30-31页 |
| 3.2.3 基于产品的协同过滤算法 | 第31页 |
| 3.2.4 物质扩散算法 | 第31-32页 |
| 3.2.5 热传导算法 | 第32页 |
| 3.2.6 用户级的个性化推荐算法 | 第32页 |
| 3.3 实验设计 | 第32-34页 |
| 3.3.1 实验数据 | 第32-33页 |
| 3.3.2 评价指标 | 第33页 |
| 3.3.3 实验方法和过程 | 第33-34页 |
| 3.4 实验结果及分析 | 第34-41页 |
| 3.4.1 理想算法的改善幅度 | 第35页 |
| 3.4.2 用户的最佳推荐算法互异 | 第35-36页 |
| 3.4.3 用户特性与其最佳推荐算法的关联 | 第36-38页 |
| 3.4.4 敏感用户的最佳推荐算法 | 第38-39页 |
| 3.4.5 以RS作为最优算法选择依据实验结果 | 第39-40页 |
| 3.4.6 以precision作为最优算法选择依据实验结果 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于产品质量和用户评分偏好的推荐算法 | 第43-61页 |
| 4.1 问题的提出和相关工作 | 第43-44页 |
| 4.2 算法 | 第44-48页 |
| 4.2.1 基于用户的协同过滤评分预测 | 第44-45页 |
| 4.2.2 基于产品的协同过滤评分预测 | 第45-46页 |
| 4.2.3 基于趋势的推荐 | 第46-47页 |
| 4.2.4 基于产品质量和用户评分偏好的推荐 | 第47-48页 |
| 4.3 实验设计 | 第48-50页 |
| 4.3.1 实验数据 | 第48-49页 |
| 4.3.2 评价指标 | 第49页 |
| 4.3.3 实验方法和过程 | 第49-50页 |
| 4.4 实验结果及分析 | 第50-59页 |
| 4.4.1 特征量在分布上的差异 | 第51-52页 |
| 4.4.2 四个特征量对应的回归系数值 | 第52-53页 |
| 4.4.3 两个关键特征量对应的回归系数值 | 第53-55页 |
| 4.4.4 基于回归方法与QP算法的比较 | 第55-56页 |
| 4.4.5 算法复杂度对比 | 第56-57页 |
| 4.4.6 算法推荐准确性对比 | 第57-59页 |
| 4.4.7 新算法与ItemMean算法的对比 | 第59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 基于用户评分可信性的推荐算法 | 第61-72页 |
| 5.1 问题的提出和相关工作 | 第61-62页 |
| 5.2 算法 | 第62-65页 |
| 5.2.1 原始QP算法 | 第62-63页 |
| 5.2.2 基于YZLM的算法 | 第63页 |
| 5.2.3 基于dKVD的算法 | 第63-64页 |
| 5.2.4 基于L1/L2_AVG_MIN_MAX的算法 | 第64-65页 |
| 5.3 实验设计 | 第65-67页 |
| 5.3.1 实验数据 | 第65页 |
| 5.3.2 评价指标 | 第65-66页 |
| 5.3.3 实验方法和过程 | 第66-67页 |
| 5.4 实验结果及分析 | 第67-71页 |
| 5.4.1 对质量机制中迭代次数的选择 | 第68页 |
| 5.4.2 无攻击用户时各算法表现 | 第68-69页 |
| 5.4.3 注入攻击用户后各算法表现 | 第69-70页 |
| 5.4.4 新算法的鲁棒性 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72页 |
| 6.2 未来工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79-80页 |