| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及现状 | 第14-16页 |
| 1.2 研究内容和方法 | 第16-17页 |
| 1.3 内容安排 | 第17-18页 |
| 1.4 创新之处 | 第18-20页 |
| 第二章 信任相关理论基础 | 第20-30页 |
| 2.1 信任定义、分类及性质 | 第20-23页 |
| 2.1.1 信任定义 | 第20-22页 |
| 2.1.2 信任分类 | 第22页 |
| 2.1.3 信任性质 | 第22-23页 |
| 2.2 信任模型理论 | 第23-25页 |
| 2.2.1 信任度的度量方式 | 第23-24页 |
| 2.2.2 构建实体信任网络 | 第24-25页 |
| 2.2.3 信任的动态管理 | 第25页 |
| 2.3 信任模型 | 第25-28页 |
| 2.3.1 e Bay信任模型 | 第25-26页 |
| 2.3.2 Beth信任模型 | 第26-27页 |
| 2.3.3 Eigen Trust信任模型 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 服务/商品推荐算法 | 第30-44页 |
| 3.1 协同过滤算法 | 第30-37页 |
| 3.1.1 最邻近推荐算法 | 第31-34页 |
| 3.1.2 基于模型的推荐算法 | 第34-36页 |
| 3.1.3 协同过滤算法的优缺点分析 | 第36-37页 |
| 3.2 基于内容的推荐算法 | 第37-40页 |
| 3.2.1 基于内容的推荐算法流程 | 第37-39页 |
| 3.2.2 基于内容的推荐算法的优缺点分析 | 第39-40页 |
| 3.3 基于信任网络的推荐算法 | 第40-43页 |
| 3.3.1 Tidal Trust算法 | 第41页 |
| 3.3.2 Mole Trust算法 | 第41-42页 |
| 3.3.3 Trust Walker算法 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于动态信任网络的协同过滤算法 | 第44-58页 |
| 4.1 DTCF组成 | 第44页 |
| 4.2 社交网络信任模型 | 第44-46页 |
| 4.3 DTCF预测流程 | 第46-55页 |
| 4.3.1 推荐者列表获取 | 第47-49页 |
| 4.3.2 评分预测 | 第49-50页 |
| 4.3.3 信任网络更新 | 第50-55页 |
| 4.4 基于DTCF推荐系统架构 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 实验及结果分析 | 第58-70页 |
| 5.1 实验目的 | 第58页 |
| 5.2 实验环境及实验数据 | 第58-59页 |
| 5.3 评估标准 | 第59-60页 |
| 5.4 实验设计 | 第60页 |
| 5.5 实验结果分析 | 第60-67页 |
| 5.5.1 实验1验证信任度与相似度的相关性 | 第60-61页 |
| 5.5.2 实验2观察初始信任值的变化对推荐算法性能的影响 | 第61-62页 |
| 5.5.3 实验3观察 α 值的变化对推荐算法性能的影响 | 第62-63页 |
| 5.5.4 实验4观察threshold1的变化对推荐算法性能的影响 | 第63-65页 |
| 5.5.5 实验5观察threshold2的变化对推荐算法性能的影响 | 第65-66页 |
| 5.5.6 实验6性能比较 | 第66-67页 |
| 5.6 本章小结 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
