基于全局信息的推荐算法及其在社交网络中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 推荐系统介绍 | 第10-13页 |
| 1.3 推荐系统的研究现状 | 第13-14页 |
| 1.4 本文的研究内容及创新点 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第2章 协同过滤推荐系统研究 | 第16-24页 |
| 2.1 协同过滤推荐系统介绍 | 第16-18页 |
| 2.1.1 基于内存的推荐技术 | 第16页 |
| 2.1.2 基于模型的推荐技术 | 第16-18页 |
| 2.2 协同过滤推荐系统应用 | 第18-22页 |
| 2.3 面临的问题 | 第22-23页 |
| 2.3.1 冷启动问题 | 第22页 |
| 2.3.2 数据稀疏性问题 | 第22页 |
| 2.3.3 延展性问题 | 第22-23页 |
| 2.3.4 同义词问题 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 考虑全局信息的推荐方法 | 第24-37页 |
| 3.1 引言 | 第24-26页 |
| 3.1.1 相似度计算方法 | 第24-26页 |
| 3.1.2 推荐过程 | 第26页 |
| 3.2 改进算法的理论基础 | 第26-28页 |
| 3.3 基于全局信息的推荐算法 | 第28-36页 |
| 3.3.1 融合共评项目的相似度算法 | 第28-31页 |
| 3.3.2 考虑冷门项目的相似度算法 | 第31-34页 |
| 3.3.3 相结合的算法 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 考虑全局信息的算法在社交网络中的应用 | 第37-48页 |
| 4.1 社交网络 | 第37-40页 |
| 4.1.1 社交网络中的信任 | 第37-39页 |
| 4.1.2 基于信任的推荐过程 | 第39-40页 |
| 4.2 考虑信任传播的推荐 | 第40-43页 |
| 4.3 全局信息在社交网络中的应用 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验及结果分析 | 第48-57页 |
| 5.1 实验环境介绍 | 第48页 |
| 5.2 实验方法及评价指标 | 第48-49页 |
| 5.3 考虑全局信息的算法实验 | 第49-52页 |
| 5.3.1 实验数据集 | 第49-50页 |
| 5.3.2 实验过程及结果对比分析 | 第50-52页 |
| 5.4 考虑全局信息的算法应用于社交网络的实验 | 第52-56页 |
| 5.4.1 实验数据集 | 第52-53页 |
| 5.4.2 实验设置及结果分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
