基于社会网络和用户影响力的信任感知推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究目的和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文的章节安排 | 第14-16页 |
| 2 相关背景 | 第16-24页 |
| 2.1 基于协同过滤的推荐系统 | 第16-19页 |
| 2.1.1 基于用户的协同过滤 | 第16-17页 |
| 2.1.2 基于项目的协同过滤 | 第17-19页 |
| 2.2 基于信任感知的推荐系统 | 第19-23页 |
| 2.2.1 利用显式的信任网络 | 第19-21页 |
| 2.2.2 信任度度量方法和效果 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于社会网络和用户影响力的信任感知推荐算法 | 第24-45页 |
| 3.1 信任网络的小世界性 | 第25-30页 |
| 3.1.1 六度分割理论 | 第25-26页 |
| 3.1.2 结构与随机性 | 第26-29页 |
| 3.1.3 相关参数的计算 | 第29-30页 |
| 3.2 用户在信任网络中的影响力 | 第30-32页 |
| 3.3 基于用户的信任计算 | 第32-34页 |
| 3.3.1 直接信任 | 第32-33页 |
| 3.3.2 隐式信任 | 第33-34页 |
| 3.4 选择邻居并计算评分预测 | 第34页 |
| 3.5 实验及结果分析 | 第34-44页 |
| 3.5.1 实验过程 | 第35-38页 |
| 3.5.2 数据集 | 第38-39页 |
| 3.5.3 推荐系统的评价指标 | 第39-40页 |
| 3.5.4 参数设置 | 第40页 |
| 3.5.5 结果分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 信任感知推荐算法在天猫上的应用 | 第45-56页 |
| 4.1 直接信任 | 第45-49页 |
| 4.2 间接信任 | 第49-51页 |
| 4.3 选择邻居 | 第51-52页 |
| 4.4 评分预测 | 第52页 |
| 4.5 实验及结果分析 | 第52-55页 |
| 4.5.1 实验数据 | 第53页 |
| 4.5.2 结果分析 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表论文及科研成果 | 第61-62页 |
| 致谢 | 第62-63页 |
