基于二分网络的协同推荐研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·协同推荐研究现状 | 第12-14页 |
| ·二分网络研究现状 | 第14-15页 |
| ·研究内容与结构 | 第15-16页 |
| ·本章小节 | 第16-17页 |
| 第二章 基于二分网络的协同推荐框架 | 第17-31页 |
| ·协同推荐概述 | 第17-19页 |
| ·基本概念 | 第17-18页 |
| ·关键问题 | 第18-19页 |
| ·二分网络概述 | 第19-24页 |
| ·基本概念 | 第19-21页 |
| ·二分社区结构 | 第21-24页 |
| ·二分社区划分 | 第24-27页 |
| ·基于模块度的方法 | 第24-25页 |
| ·基于团的方法 | 第25-26页 |
| ·基于传播的方法 | 第26-27页 |
| ·基于二分网络的协同推荐框架设计 | 第27-30页 |
| ·二分网络映射 | 第27-29页 |
| ·框架设计 | 第29-30页 |
| ·框架优点 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于投影的协同推荐算法研究 | 第31-41页 |
| ·相关研究 | 第31-32页 |
| ·基于投影的协同推荐算法 | 第32-37页 |
| ·基于交联结构的投影方法 | 第32-35页 |
| ·基于投影的协同推荐算法 | 第35-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·度量标准 | 第37页 |
| ·数值实验与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 二分社区划分算法研究 | 第41-58页 |
| ·相关研究 | 第41-44页 |
| ·边社区划分算法 | 第41-42页 |
| ·基于加权边图的方法 | 第42-43页 |
| ·基于层次聚类的方法 | 第43页 |
| ·基于贪婪搜索的方法 | 第43-44页 |
| ·算法设计思路 | 第44-45页 |
| ·边结构及相关性度量 | 第45-47页 |
| ·边邻接结构 | 第45-46页 |
| ·边相关性度量 | 第46-47页 |
| ·基于传播的边社区划分算法 | 第47-50页 |
| ·算法设计 | 第47-49页 |
| ·算法实现 | 第49-50页 |
| ·算法扩展 | 第50-53页 |
| ·粒度可变问题 | 第50-51页 |
| ·动态更新问题 | 第51-53页 |
| ·实验结果与分析 | 第53-57页 |
| ·标准数据集实验 | 第53-55页 |
| ·真实数据集实验 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于二分社区的协同推荐算法研究 | 第58-72页 |
| ·相关研究 | 第58-59页 |
| ·算法设计思路 | 第59-61页 |
| ·算法设计与实现 | 第61-64页 |
| ·相关概念 | 第61-62页 |
| ·单一策略 | 第62-63页 |
| ·混合策略 | 第63-64页 |
| ·算法扩展 | 第64-66页 |
| ·动态更新问题 | 第64-65页 |
| ·应用拓展 | 第65-66页 |
| ·实验结果与分析 | 第66-71页 |
| ·单一策略实验 | 第66-70页 |
| ·混合策略实验 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·工作总结 | 第72-73页 |
| ·工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第79-80页 |
| 致谢 | 第80页 |
