| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 个性化推荐技术研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 个性化推荐中的关键问题 | 第18-21页 |
| 1.3.1 稀疏性问题 | 第19页 |
| 1.3.2 冷启动问题 | 第19-20页 |
| 1.3.3 实时性问题 | 第20页 |
| 1.3.4 可信任问题 | 第20-21页 |
| 1.4 研究问题的提出 | 第21-23页 |
| 1.5 本文研究的主要内容及论文安排 | 第23-27页 |
| 1.5.1 本文研究的主要内容 | 第24-26页 |
| 1.5.2 本文的章节安排 | 第26-27页 |
| 第2章 推荐系统及其相关技术 | 第27-38页 |
| 2.1 推荐系统中的相关技术 | 第27-29页 |
| 2.1.1 信息检索技术 | 第27页 |
| 2.1.2 信息过滤技术 | 第27-28页 |
| 2.1.3 数据挖掘技术 | 第28页 |
| 2.1.4 机器学习技术 | 第28-29页 |
| 2.2 推荐系统中的相关算法 | 第29-35页 |
| 2.2.1 基于内容的推荐算法 | 第30-32页 |
| 2.2.2 基于协同过滤的推荐算法 | 第32-34页 |
| 2.2.3 基于关联规则的推荐算法 | 第34-35页 |
| 2.3 推荐系统中的评价标准 | 第35-37页 |
| 2.3.1 准确度 | 第35-36页 |
| 2.3.2 多样性 | 第36页 |
| 2.3.3 实时性 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于用户行为的协同过滤推荐方法 | 第38-52页 |
| 3.1 用户行为数据的获取 | 第38-40页 |
| 3.2 用户行为数据描述 | 第40-42页 |
| 3.3 用户行为分析 | 第42-45页 |
| 3.3.1 社交媒体中的用户结构分布 | 第42-43页 |
| 3.3.2 社交媒体中的用户行为分布 | 第43-45页 |
| 3.4 基于用户行为的协同过滤方法 | 第45-48页 |
| 3.4.1 问题描述 | 第45-46页 |
| 3.4.2 初始化邻接矩阵 | 第46页 |
| 3.4.3 相似度计算 | 第46-48页 |
| 3.4.4 对目标用户产生推荐 | 第48页 |
| 3.5 实验结果及分析 | 第48-50页 |
| 3.5.1 实验数据 | 第48-49页 |
| 3.5.2 实验评价标准 | 第49页 |
| 3.5.3 实验结果 | 第49-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第4章 基于语义的矩阵分解预测方法 | 第52-65页 |
| 4.1 引言 | 第52页 |
| 4.2 问题描述 | 第52-53页 |
| 4.3 现有解决方法 | 第53-55页 |
| 4.4 基于语义的矩阵分解预测方法 | 第55-60页 |
| 4.4.1 矩阵分解预测基本模型 | 第55-56页 |
| 4.4.2 行为数据中的隐语义 | 第56-57页 |
| 4.4.3 行为数据中的上下文语义 | 第57-59页 |
| 4.4.4 平均偏好度的评分预测 | 第59-60页 |
| 4.4.5 融合多因素后的矩阵分解预测模型 | 第60页 |
| 4.5 实验结果及分析 | 第60-63页 |
| 4.5.1 实验数据 | 第60-61页 |
| 4.5.2 实验评价标准 | 第61页 |
| 4.5.3 实验结果 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 基于Co-clustering聚类的实时推荐方法 | 第65-82页 |
| 5.1 引言 | 第65-66页 |
| 5.2 问题描述 | 第66-67页 |
| 5.3 基于Co-clustering的聚类推荐模型 | 第67-74页 |
| 5.3.1 Co-clustering聚类模型 | 第69-70页 |
| 5.3.2 聚类距离度量及相似性计算方法 | 第70-72页 |
| 5.3.3 离线聚类 | 第72-73页 |
| 5.3.4 在线实时推荐 | 第73页 |
| 5.3.5 行为数据增量更新模型 | 第73-74页 |
| 5.4 实验结果及分析 | 第74-81页 |
| 5.4.1 实验数据 | 第74-75页 |
| 5.4.2 实验评价标准 | 第75页 |
| 5.4.3 实验结果 | 第75-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第6章 基于社会关系的可信任推荐方法 | 第82-93页 |
| 6.1 引言 | 第82-83页 |
| 6.2 信任关系模型 | 第83-87页 |
| 6.2.1 用户的信誉度 | 第83-84页 |
| 6.2.2 基于行为的信任关系 | 第84-86页 |
| 6.2.3 基于社交媒体的信任关系 | 第86-87页 |
| 6.2.4 间接信任关系 | 第87页 |
| 6.3 基于社会网络的可信任推荐模型 | 第87-89页 |
| 6.3.1 可信任模型的构建 | 第88页 |
| 6.3.2 推荐结果的产生 | 第88-89页 |
| 6.4 实验结果及分析 | 第89-92页 |
| 6.4.1 实验数据 | 第89-90页 |
| 6.4.2 实验评价标准 | 第90页 |
| 6.4.3 实验结果 | 第90-92页 |
| 6.5 本章小结 | 第92-93页 |
| 第7章 总结与展望 | 第93-96页 |
| 7.1 本文主要工作及创新点 | 第93-94页 |
| 7.2 未来工作的展望 | 第94-96页 |
| 参考文献 | 第96-106页 |
| 攻读博士学位期间主要的研究成果 | 第106-107页 |
| 致谢 | 第107-108页 |