| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·协同过滤的难点 | 第14-16页 |
| ·数据稀疏 | 第14页 |
| ·冷启动 | 第14-15页 |
| ·恶意攻击 | 第15页 |
| ·系统可扩展性 | 第15-16页 |
| ·忽视现实社会关系 | 第16页 |
| ·本文的研究内容及创新点 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 协同过滤的关键技术 | 第18-28页 |
| ·推荐系统 | 第18-20页 |
| ·概念 | 第18-19页 |
| ·推荐算法的分类 | 第19-20页 |
| ·协同过滤 | 第20-24页 |
| ·基于模型的协同过滤算法 | 第21-22页 |
| ·基于内存的协同过滤算法 | 第22-24页 |
| ·引入信任的可行性和必要性 | 第24-25页 |
| ·信任的概念 | 第25页 |
| ·信任的分类 | 第25页 |
| ·信任网络 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 参与电影推荐的主要算子度量方法的改进 | 第28-43页 |
| ·相似性计算 | 第28-29页 |
| ·相似性计算方法的改良 | 第29-32页 |
| ·时效性的作用 | 第30-31页 |
| ·加入衰减因子的相似性计算方法 | 第31-32页 |
| ·简单的信任度量方法 | 第32-33页 |
| ·信任的传播与聚合 | 第33-35页 |
| ·信任的传播 | 第33-34页 |
| ·信任的聚合 | 第34-35页 |
| ·不信任的传播与聚合 | 第35-39页 |
| ·不信任的传播 | 第35-36页 |
| ·信任与不信任的传播 | 第36-39页 |
| ·信任与不信任的聚合 | 第39页 |
| ·信任与不信任的度量方法的改良 | 第39-42页 |
| ·信任的度量 | 第39-41页 |
| ·不信任的度量 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于信任和不信任的协同过滤推荐算法 | 第43-53页 |
| ·基准方法 | 第44页 |
| ·加权平均推荐方法 | 第44-46页 |
| ·基于信任的加权平均推荐(T-Weight) | 第44-45页 |
| ·基于不信任的加权平均(D-Weight) | 第45页 |
| ·使用不信任调试基于信任的加权平均(D-TW) | 第45-46页 |
| ·基于信任与不信任的加权平均(DT-Weight) | 第46页 |
| ·协同过滤推荐方法 | 第46-49页 |
| ·基于信任的过滤(T-Filtering) | 第46-47页 |
| ·基于信任的协同过滤(T-CF) | 第47页 |
| ·基于不信任的过滤(D-Filtering) | 第47-48页 |
| ·使用不信任调试基于信任的协同过滤(D-TCF) | 第48页 |
| ·基于不信任的协同过滤(D-CF) | 第48-49页 |
| ·基于信任和不信任的协同过滤(TD-CF) | 第49页 |
| ·推荐方法的改良 | 第49-52页 |
| ·推荐邻居集合可变的协同过滤(Hybrid-CF) | 第49-50页 |
| ·使用不信任调试推荐邻居即可变的协同过滤(D-HybridCF) | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 实验与结果分析 | 第53-62页 |
| ·实验环境设置 | 第53页 |
| ·实验内容 | 第53-54页 |
| ·数据的采集与准备 | 第54-55页 |
| ·实验结果评价指标 | 第55-56页 |
| ·实验结果与分析 | 第56-61页 |
| ·时效量化相似性与 PCC 相似性的比较 | 第56-57页 |
| ·信任和不信任的计算方法正确性比较 | 第57-58页 |
| ·基于信任和不信任的协同过滤推荐性能比较 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
