| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容与创新点 | 第11-12页 |
| 1.4 论文组织 | 第12-14页 |
| 第二章 相关知识及概念 | 第14-25页 |
| 2.1 服务推荐 | 第14-15页 |
| 2.2 服务推荐算法的分类 | 第15-16页 |
| 2.3 基于协同过滤的推荐算法 | 第16-22页 |
| 2.3.1 基于用户的协同过滤推荐算法 | 第17-22页 |
| 2.3.2 基于服务的协同过滤算法 | 第22页 |
| 2.4 衡量推荐系统质量的评价标准 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于用户历史评价信息的可信用户获取 | 第25-35页 |
| 3.1 用户历史评价信息的描述 | 第26-27页 |
| 3.2 可疑历史评价的获取 | 第27-32页 |
| 3.2.1 服务的总体评价向量 | 第27-28页 |
| 3.2.2 用户某服务评价向量与该服务总体评价向量的偏离大小 | 第28-29页 |
| 3.2.3 基于偏离大小的各服务评价可信区间获取 | 第29-30页 |
| 3.2.4 基于服务可信区间的各评价向量恶意度计算 | 第30-31页 |
| 3.2.5 基于各评价向量恶意度的用户恶意度计算 | 第31-32页 |
| 3.3 可信用户获取 | 第32-34页 |
| 3.3.1 用户的可信度 | 第32-33页 |
| 3.3.2 获取可信用户 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于可信相似用户的服务推荐 | 第35-43页 |
| 4.1 基于可信用户的相似用户获取 | 第35-38页 |
| 4.2 基于可信相似用户的服务推荐 | 第38-41页 |
| 4.3 恶意用户对服务推荐结果影响的分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 仿真实验 | 第43-55页 |
| 5.1 实验建立 | 第43-47页 |
| 5.1.1 数据集与实验环境 | 第43-45页 |
| 5.1.2 实验评价标准 | 第45-47页 |
| 5.2 实验结果与分析 | 第47-54页 |
| 5.2.1 恶意用户剔除效果 | 第47-51页 |
| 5.2.2 服务推荐效果 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 程序清单 | 第61-62页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |