| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·论文选题依据 | 第10页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文主要研究内容 | 第14页 |
| ·论文组织结构 | 第14-15页 |
| ·小结 | 第15-16页 |
| 2 个性化推荐算法 | 第16-28页 |
| ·个性化推荐系统 | 第16页 |
| ·协同过滤推荐算法 | 第16-19页 |
| ·基于内容的推荐算法 | 第19-20页 |
| ·基于二部图的推荐算法 | 第20-23页 |
| ·二部图的网络结构 | 第20页 |
| ·基于物质扩散的二部图推荐算法 | 第20-21页 |
| ·基于热传导的二部图推荐算法 | 第21-22页 |
| ·基于二部图推荐算法的优缺点 | 第22-23页 |
| ·基于信任网络的推荐算法 | 第23-25页 |
| ·信任网络的度量方式 | 第24-25页 |
| ·基于信任网络推荐算法的优缺点 | 第25页 |
| ·混合推荐算法 | 第25-26页 |
| ·推荐算法面临的主要挑战 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于用户偏好和相似性的二部图推荐算法 | 第28-39页 |
| ·问题的提出 | 第28-29页 |
| ·初始资源值和网络权值的设置 | 第29-30页 |
| ·用户偏好对资源分配的影响 | 第30-32页 |
| ·用户相似性对资源分配的影响 | 第32-37页 |
| ·推荐算法 | 第37-38页 |
| ·小结 | 第38-39页 |
| 4 基于信任网络的二部图推荐算法 | 第39-51页 |
| ·问题的提出 | 第39-41页 |
| ·用户间显式信任度获取 | 第41-46页 |
| ·近邻信任用户的选取 | 第41-43页 |
| ·信任用户的信任度区分 | 第43-45页 |
| ·用户间信任值预测 | 第45-46页 |
| ·用户间隐式信任度获取 | 第46-49页 |
| ·改进算法 | 第49页 |
| ·小结 | 第49-51页 |
| 5 实验验证及分析 | 第51-63页 |
| ·实验目的 | 第51页 |
| ·实验数据集 | 第51-52页 |
| ·实验评价指标 | 第52-54页 |
| ·实验对比算法 | 第54-55页 |
| ·实验结果分析 | 第55-62页 |
| ·基于用户偏好和相似性的二部图推荐算法实验结果分析 | 第55-59页 |
| ·基于信任网络的二部图推荐算法实验结果及分析 | 第59-62页 |
| ·小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·前景及展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第70-71页 |
| 致谢 | 第71-73页 |