基于小世界隐式信任网络的自适应推荐算法
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 协同过滤技术的相关知识介绍 | 第16-23页 |
| ·协同过滤推荐技术的分类 | 第16-20页 |
| ·基于用户的协同过滤 | 第16-19页 |
| ·基于项目的协同过滤 | 第19-20页 |
| ·协同过滤推荐技术面临的挑战 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于聚类的小世界隐式信任网络构建算法 | 第23-36页 |
| ·小世界网络的起源 | 第23页 |
| ·小世界网络的度量特征 | 第23-24页 |
| ·小世界网络的经典构造模型 | 第24-25页 |
| ·符号说明及相关定义 | 第25-27页 |
| ·小世界隐式信任网络的构建算法 | 第27-35页 |
| ·构建过程 | 第28-29页 |
| ·基于评分相似度的用户聚类算法 | 第29-31页 |
| ·基于隐式信任关系的子网构建算法 | 第31-33页 |
| ·长距离连接算法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于小世界网络的推荐算法 | 第36-44页 |
| ·小世界网络构建算法的合理性 | 第36-38页 |
| ·自适应推荐算法的设计思想 | 第38-40页 |
| ·相似用户的求解及阈值的确定 | 第38页 |
| ·自适应的推荐策略 | 第38-40页 |
| ·自适应推荐算法的描述 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验验证与分析 | 第44-53页 |
| ·实验数据和设置 | 第44-46页 |
| ·实验数据 | 第44-45页 |
| ·采样数据集的形成 | 第45-46页 |
| ·实验环境 | 第46页 |
| ·实验评价指标 | 第46-47页 |
| ·ARA 算法同经典算法的对比实验及结果分析 | 第47-52页 |
| ·对比算法简介 | 第47-48页 |
| ·不同稀疏度下的 MAE 值对比 | 第48-50页 |
| ·不同稀疏度下的 F-measure 值对比 | 第50-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |
