| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究内容 | 第13-18页 |
| 1.2.1 面临的挑战 | 第14-15页 |
| 1.2.2 基于隐含主题挖掘的用户喜好分析 | 第15-16页 |
| 1.2.3 基于用户社交关系分析的推荐 | 第16页 |
| 1.2.4 群体推荐 | 第16-17页 |
| 1.2.5 基于图的推荐 | 第17-18页 |
| 1.3 主要创新点 | 第18-19页 |
| 1.4 论文结构 | 第19-23页 |
| 第二章 相关技术 | 第23-31页 |
| 2.1 协同过滤推荐 | 第23-24页 |
| 2.2 内容过滤推荐 | 第24-25页 |
| 2.3 混合过滤推荐 | 第25-26页 |
| 2.4 基于分解模型的推荐 | 第26-27页 |
| 2.5 基于多关系集成的推荐 | 第27-28页 |
| 2.6 基于隐式反馈的推荐 | 第28-29页 |
| 2.7 群体推荐 | 第29-31页 |
| 第三章 深层挖掘用户与物品隐含特征的个性化推荐 | 第31-61页 |
| 3.1 背景介绍 | 第31-37页 |
| 3.1.1 基于概率主题模型的推荐 | 第33-34页 |
| 3.1.2 随机游走模型 | 第34-35页 |
| 3.1.3 研究贡献 | 第35-37页 |
| 3.2 隐含随机游走模型 (LRW) | 第37-44页 |
| 3.2.1 概率二分图 | 第38-39页 |
| 3.2.2 基于物品打分和内容文本的隐含概率主题模型 | 第39-41页 |
| 3.2.3 基于LTM-RC的随机游走算法 | 第41-43页 |
| 3.2.4 随机游走的终止条件 | 第43-44页 |
| 3.3 利用LRW模型对用户实现个性化推荐 | 第44-45页 |
| 3.4 实验评估 | 第45-59页 |
| 3.4.1 数据准备 | 第45-47页 |
| 3.4.2 被比较的方法 | 第47-48页 |
| 3.4.3 评估指标 | 第48页 |
| 3.4.4 实验结果和分析 | 第48-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 基于综合探测用户社交关系的群体推荐 | 第61-83页 |
| 4.1 背景介绍 | 第61-65页 |
| 4.1.1 群体推荐的相关定义 | 第62-64页 |
| 4.1.2 研究贡献 | 第64-65页 |
| 4.2 基于综合探测用户社交关系的群体推荐算法 | 第65-70页 |
| 4.2.1 三分图简介 | 第65-66页 |
| 4.2.2 综合挖掘用户社交关系的随机游走模型 | 第66-70页 |
| 4.2.3 随机游走的终止条件 | 第70页 |
| 4.3 新方法在群体推荐中的应用 | 第70-72页 |
| 4.3.1 基于整合模型的推荐( RWR-M ) | 第71页 |
| 4.3.2 基于整合预测的推荐( RWR-P) | 第71-72页 |
| 4.4 实验评估 | 第72-79页 |
| 4.4.1 数据准备 | 第72-73页 |
| 4.4.2 进行比较的方法 | 第73-74页 |
| 4.4.3 评估指标 | 第74页 |
| 4.4.4 实验结果和分析 | 第74-79页 |
| 4.5 本章小结 | 第79-83页 |
| 第五章 基于深入探测隐含关联信息的群体推荐 | 第83-97页 |
| 5.1 背景介绍 | 第83-85页 |
| 5.1.1 研究贡献 | 第83-85页 |
| 5.2 深入探测隐含关联信息的群体推荐模型 | 第85-89页 |
| 5.2.1 用户主题模型 (User Topic Model，UTM) | 第85-87页 |
| 5.2.2 基于UTM的概率转移矩阵构建 | 第87-89页 |
| 5.3 RWR-UTM在群体推荐中的应用 | 第89-91页 |
| 5.3.1 基于整合模型策略的群体推荐 (RWR-UTM-M) | 第90页 |
| 5.3.2 基于整合预测策略的群体推荐 (RWR-UTM-P) | 第90-91页 |
| 5.4 实验评估 | 第91-96页 |
| 5.4.1 数据准备 | 第91页 |
| 5.4.2 进行比较的方法 | 第91-92页 |
| 5.4.3 实验结果和分析 | 第92-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第六章 随机游走在概率三分图上的群体推荐 | 第97-113页 |
| 6.1 背景介绍 | 第97-98页 |
| 6.1.1 研究贡献 | 第97-98页 |
| 6.2 游走在概率三分图上的群体推荐算法 | 第98-104页 |
| 6.2.1 基于UTM的转移矩阵构建 | 第101-104页 |
| 6.3 新方法在群体推荐中的应用 | 第104-106页 |
| 6.4 实验评估 | 第106-111页 |
| 6.4.1 对成员个数的敏感性 | 第109-110页 |
| 6.4.2 对模型参数的敏感性 | 第110-111页 |
| 6.5 本章小结 | 第111-113页 |
| 第七章 总结与展望 | 第113-117页 |
| 7.1 本文工作总结 | 第113-114页 |
| 7.2 未来的工作 | 第114-117页 |
| 参考文献 | 第117-133页 |
| 致谢 | 第133-135页 |
| 攻读学位期间发表的学术论文目录 | 第135-137页 |
