基于动态社交网络的商品推荐算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统推荐算法研究 | 第10-11页 |
| 1.2.2 基于社交网络的推荐算法研究 | 第11-12页 |
| 1.2.3 社交网络划分算法研究 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 推荐系统与社交网络相关技术 | 第16-34页 |
| 2.1 传统推荐系统相关 | 第16-24页 |
| 2.1.1 传统推荐系统算法分类与简介 | 第16-17页 |
| 2.1.2 基于近邻的协同过滤模型 | 第17-22页 |
| 2.1.3 基于隐式特征模型的协同过滤算法 | 第22-24页 |
| 2.2 社交网络分析相关 | 第24-33页 |
| 2.2.1 社交网络分析概述 | 第25-26页 |
| 2.2.2 图论基础 | 第26-28页 |
| 2.2.3 社交网络的元素和度量 | 第28-31页 |
| 2.2.4 社交网络特性 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 基于隐主题模型的人群划分 | 第34-64页 |
| 3.1 基本思想 | 第36-38页 |
| 3.2 问题描述和定义 | 第38-39页 |
| 3.3 利用PLSA算法进行人群划分 | 第39-46页 |
| 3.3.1 pLSA算法简介 | 第39-41页 |
| 3.3.2 RecCDpLSA模型构建 | 第41-43页 |
| 3.3.3 RecCDpLSA模型参数学习 | 第43-45页 |
| 3.3.4 RecCDpLSA缺陷分析 | 第45-46页 |
| 3.4 利用LDA算法进行人群划分 | 第46-54页 |
| 3.4.1 LDA算法简介 | 第46-48页 |
| 3.4.2 RecCDLDA模型构建 | 第48页 |
| 3.4.3 RecCDLDA模型参数训练 | 第48-49页 |
| 3.4.4 新用户兴趣领域定向 | 第49-50页 |
| 3.4.5 RecCDLDA模型优化 | 第50-54页 |
| 3.5 实验与结果分析 | 第54-63页 |
| 3.5.1 数据来源 | 第54页 |
| 3.5.2 数据收集和过滤 | 第54-57页 |
| 3.5.3 评价指标 | 第57-58页 |
| 3.5.4 参数设置与结果分析 | 第58-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 基于社区和兴趣演变的推荐模型 | 第64-75页 |
| 4.1 基本思想 | 第64-65页 |
| 4.2 问题描述和定义 | 第65页 |
| 4.3 基于时间感知的用户兴趣领域修正 | 第65-67页 |
| 4.4 商品领域定向 | 第67-68页 |
| 4.5 基于兴趣领域的预测算法 | 第68-69页 |
| 4.6 基于兴趣领域的推荐策略 | 第69页 |
| 4.7 实验与结果分析 | 第69-74页 |
| 4.7.1 数据来源 | 第69-70页 |
| 4.7.2 评价指标 | 第70-71页 |
| 4.7.3 实验结果和参数设置 | 第71-73页 |
| 4.7.4 算法比较 | 第73-74页 |
| 4.8 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75页 |
| 5.2 展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 作者攻读学位期间发表的学术论文目录 | 第81页 |
