| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究综述 | 第13-19页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.2.3 研究现状述评 | 第17-19页 |
| 1.3 研究内容 | 第19-22页 |
| 1.4 论文创新点 | 第22-23页 |
| 1.5 论文组织结构 | 第23-24页 |
| 1.6 本章小结 | 第24-25页 |
| 第二章 相关理论基础 | 第25-39页 |
| 2.1 个性化推荐系统 | 第25-26页 |
| 2.2 社会化网络及信任 | 第26-30页 |
| 2.2.1 社会化网络 | 第26-28页 |
| 2.2.2 电子商务对信任的定义 | 第28页 |
| 2.2.3 社会化信任的度量 | 第28-30页 |
| 2.2.4 隐性信任的度量 | 第30页 |
| 2.3 个性化推荐算法 | 第30-38页 |
| 2.3.1 常见推荐算法 | 第30-32页 |
| 2.3.2 协同过滤的定义及其推荐 | 第32-34页 |
| 2.3.3 基于用户的协同过滤推荐算法 | 第34-36页 |
| 2.3.4 基于项目的协同过滤推荐算法 | 第36页 |
| 2.3.5 基于信任的协同过滤推荐算法 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于社会化关系与信任传播的协同过滤推荐方法 | 第39-76页 |
| 3.1 研究动机与框架 | 第39-41页 |
| 3.2 基于可信评分的矩阵预处理 | 第41-48页 |
| 3.2.1 可信评分计算 | 第41-45页 |
| 3.2.2 社交关注矩阵可信量化 | 第45-47页 |
| 3.2.3 项目评分矩阵预填充 | 第47-48页 |
| 3.3 基于社会化关系的信任计算 | 第48-54页 |
| 3.3.1 社会化信任多路径融合 | 第48-50页 |
| 3.3.2 同引信任度计算 | 第50-54页 |
| 3.4 基于信任传播的相似性计算 | 第54-57页 |
| 3.4.1 用户相似矩阵划分 | 第54-55页 |
| 3.4.2 融入信任的用户相似性计算 | 第55-56页 |
| 3.4.3 预测评分计算 | 第56-57页 |
| 3.5 算法实施步骤 | 第57-58页 |
| 3.6 实验及结果分析 | 第58-74页 |
| 3.6.1 实验数据集 | 第58-61页 |
| 3.6.2 数据预处理 | 第61-62页 |
| 3.6.3 实验环境及评价指标 | 第62-64页 |
| 3.6.4 实验结果讨论 | 第64-74页 |
| 3.7 本章小结 | 第74-76页 |
| 第四章 基于项目评分与信任挖掘的协同过滤推荐方法 | 第76-100页 |
| 4.1 研究动机与框架 | 第76-78页 |
| 4.2 基于项目相似性的矩阵预填充 | 第78-79页 |
| 4.3 基于用户的隐性信任推荐方法 | 第79-83页 |
| 4.3.1 项目评分标准化 | 第79-80页 |
| 4.3.2 评分偏离度计算 | 第80页 |
| 4.3.3 同兴趣评分率计算 | 第80-81页 |
| 4.3.4 基于用户的隐性信任度计算 | 第81-82页 |
| 4.3.5 预测评分计算 | 第82-83页 |
| 4.4 基于项目的隐性信任推荐方法 | 第83-86页 |
| 4.4.1 项目评分标准化 | 第83页 |
| 4.4.2 项目评分差异计算 | 第83-84页 |
| 4.4.3 相似项目兴趣率计算 | 第84页 |
| 4.4.4 基于项目的隐性信任度计算 | 第84-86页 |
| 4.4.5 预测评分计算 | 第86页 |
| 4.5 综合隐性信任推荐方法 | 第86-87页 |
| 4.6 算法实施步骤 | 第87-88页 |
| 4.7 实验及结果分析 | 第88-98页 |
| 4.7.1 实验数据集 | 第88页 |
| 4.7.2 数据预处理 | 第88-90页 |
| 4.7.3 实验结果讨论 | 第90-98页 |
| 4.8 本章小结 | 第98-100页 |
| 总结与展望 | 第100-103页 |
| 参考文献 | 第103-110页 |
| 攻读硕士学位期间取得的研究成果 | 第110-111页 |
| 致谢 | 第111-112页 |
| 附表 | 第112页 |