| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第1章 绪论 | 第13-27页 |
| ·研究背景和研究意义 | 第13-15页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究现状 | 第15-22页 |
| ·传统个性化推荐方法研究 | 第15-19页 |
| ·社交网络个性化推荐方法研究 | 第19-22页 |
| ·存在问题和挑战 | 第22页 |
| ·论文的研究内容 | 第22-25页 |
| ·论文的组织结构 | 第25-27页 |
| 第2章 基于社交网络朋友关系的个性化推荐方法 | 第27-47页 |
| ·社交网络项目推荐问题定义 | 第28-30页 |
| ·SIR模型的构建 | 第30-31页 |
| ·SIR模型学习算法的实现 | 第31-33页 |
| ·SIR模型的扩展 | 第33-36页 |
| ·基于SIR模型的推荐结果与实验分析 | 第36-45页 |
| ·数据来源与数据抽取 | 第36-37页 |
| ·评价方法 | 第37-38页 |
| ·潜在因子个数设置 | 第38-41页 |
| ·推荐结果比较与分析 | 第41-45页 |
| ·本章小结 | 第45-47页 |
| 第3章 基于社交网络用户兴趣推荐模型的个性化推荐方法 | 第47-69页 |
| ·社交网络用户兴趣推荐模型UInRec | 第48-59页 |
| ·个人兴趣建模 | 第50-52页 |
| ·用户之间的影响力分析 | 第52-54页 |
| ·兴趣传播建模 | 第54-57页 |
| ·用户兴趣推荐建模 | 第57-59页 |
| ·基于UInRec模型的推荐结果与实验分析 | 第59-67页 |
| ·数据收集和预处理 | 第59-61页 |
| ·实验设置 | 第61-62页 |
| ·对比方法 | 第62-63页 |
| ·实验结果与分析 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 基于社交网络推荐信任的个性化推荐方法 | 第69-91页 |
| ·相关研究工作 | 第69-70页 |
| ·推荐信任建模与计算 | 第70-76页 |
| ·信任网络中的直接信任计算 | 第71-73页 |
| ·信任网络中的间接信任计算 | 第73-75页 |
| ·信任网络中的推荐信任计算 | 第75-76页 |
| ·基于推荐信任的信任用户选择策略 | 第76-78页 |
| ·基于推荐信任的潜在因子模型TBLFM | 第78-82页 |
| ·TBLFM模型的构建 | 第78-80页 |
| ·TBLFM模型的参数学习 | 第80-82页 |
| ·基于TBLFM模型的推荐计算 | 第82页 |
| ·基于FBLFM模型的推荐结果与实验分析 | 第82-89页 |
| ·数据来源 | 第82-83页 |
| ·实验设置 | 第83-84页 |
| ·对比方法 | 第84-85页 |
| ·实验结果 | 第85-87页 |
| ·结果分析 | 第87-89页 |
| ·本章小结 | 第89-91页 |
| 第5章 基于时间感知和用户反馈的个性化推荐方法 | 第91-105页 |
| ·动态社交网络和用户反馈的定义 | 第92-95页 |
| ·基于时间感知和用户反馈的推荐方法 | 第95-98页 |
| ·相似度计算扩展 | 第95-96页 |
| ·时间加权函数选择 | 第96-97页 |
| ·基于时间感知和用户反馈的推荐算法 | 第97-98页 |
| ·实验结果与分析 | 第98-104页 |
| ·数据描述 | 第98-99页 |
| ·实验设置 | 第99-100页 |
| ·实验结果 | 第100-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 总结与展望 | 第105-109页 |
| ·论文总结 | 第105-106页 |
| ·研究展望 | 第106-109页 |
| 参考文献 | 第109-125页 |
| 攻读学位期间公开发表的论文 | 第125-126页 |
| 致谢 | 第126-127页 |
| 作者简介 | 第127页 |