基于社区发现的在线社会网络推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-11页 |
| 1.3 本文研究内容及论文结构 | 第11-13页 |
| 1.3.1 本文主要研究内容 | 第11-12页 |
| 1.3.2 论文的组织结构 | 第12-13页 |
| 第2章 社区发现相关技术 | 第13-20页 |
| 2.1 社区发现简介 | 第13-14页 |
| 2.2 社区模块度 | 第14-15页 |
| 2.2.1 模块度简介 | 第14页 |
| 2.2.2 全局模块度 | 第14-15页 |
| 2.2.3 局部模块度 | 第15页 |
| 2.3 常见社区发现算法 | 第15-19页 |
| 2.3.1 图分割算法 | 第15-16页 |
| 2.3.2 层次聚类算法 | 第16-17页 |
| 2.3.3 基于模块度优化的社区发现算法 | 第17-18页 |
| 2.3.4 基于标签传播的社区发现算法 | 第18页 |
| 2.3.5 重叠社区发现算法 | 第18-19页 |
| 2.4 本章总结 | 第19-20页 |
| 第3章 推荐算法相关技术 | 第20-32页 |
| 3.1 推荐系统 | 第20页 |
| 3.2 常见推荐算法 | 第20-27页 |
| 3.2.1 基于内容的推荐算法 | 第20-21页 |
| 3.2.2 协同过滤推荐算法 | 第21-24页 |
| 3.2.3 基于二部图的推荐算法 | 第24-26页 |
| 3.2.4 算法对比 | 第26-27页 |
| 3.3 CosRA算法 | 第27-31页 |
| 3.3.1 算法流程 | 第27-29页 |
| 3.3.2 算法性能 | 第29-31页 |
| 3.4 本章总结 | 第31-32页 |
| 第4章 基于社区发现的在线社会网络推荐算法 | 第32-47页 |
| 4.1 推荐模型概述 | 第32页 |
| 4.2 数据预处理 | 第32-33页 |
| 4.3 产品关系图构造 | 第33-36页 |
| 4.3.1 构造流程 | 第33-34页 |
| 4.3.2 阈值 | 第34-36页 |
| 4.4 基于节点密度的社区划分 | 第36-43页 |
| 4.4.1 社区划分概述 | 第36-37页 |
| 4.4.2 节点密度 | 第37-38页 |
| 4.4.3 阈值与粗粒度划分 | 第38-40页 |
| 4.4.4 社区合并 | 第40-43页 |
| 4.5 社区内推荐 | 第43-46页 |
| 4.5.1 社区内推荐概述 | 第43页 |
| 4.5.2 查找用户社区 | 第43-44页 |
| 4.5.3 算法结合推荐 | 第44-46页 |
| 4.6 本章总结 | 第46-47页 |
| 第5章 实验与分析 | 第47-61页 |
| 5.1 实验数据 | 第47页 |
| 5.2 验证标准 | 第47-48页 |
| 5.3 平均性能实验结果 | 第48-52页 |
| 5.3.1 MovieLens-100K结果 | 第48-49页 |
| 5.3.2 MovieLens-1M结果 | 第49-51页 |
| 5.3.3 Netflix结果 | 第51-52页 |
| 5.4 最优性能实验结果 | 第52-56页 |
| 5.4.1 MovieLens-100K结果 | 第52-53页 |
| 5.4.2 MovieLens-1M结果 | 第53-55页 |
| 5.4.3 Netflix结果 | 第55-56页 |
| 5.5 社区选择讨论 | 第56-60页 |
| 5.5.1 数据分析 | 第56-57页 |
| 5.5.2 基于物品社区的选择 | 第57-59页 |
| 5.5.3 基于用户社区的选择 | 第59-60页 |
| 5.6 本章总结 | 第60-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间取得学术成果 | 第66页 |
