基于社会影响力的网络用户推荐方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 推荐方法的研究现状及存在问题 | 第11-15页 |
| 1.3 本文的研究内容和文章结构 | 第15-18页 |
| 2 推荐方法概述 | 第18-27页 |
| 2.1 推荐方法的知识源及数据形式 | 第18-20页 |
| 2.1.1 商品数据 | 第19页 |
| 2.1.2 用户数据 | 第19-20页 |
| 2.1.3 打分数据 | 第20页 |
| 2.2 传统推荐方法概述 | 第20-23页 |
| 2.2.1 基于内容的推荐方法 | 第20-22页 |
| 2.2.2 基于协同过滤的推荐方法 | 第22-23页 |
| 2.3 基于社会影响力的推荐方法概述 | 第23-26页 |
| 2.3.1 基于信任的推荐方法 | 第24-25页 |
| 2.3.2 基于商品排名的推荐方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 商品排名推荐系统的仿真建模与实验 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 商品排名推荐系统仿真建模 | 第27-30页 |
| 3.2.1 仿真模型建立 | 第27-29页 |
| 3.2.2 模型评价指标及主要参数 | 第29-30页 |
| 3.3 仿真模型有效性实验 | 第30-32页 |
| 3.4 商品排名推荐系统推荐效果实验 | 第32-35页 |
| 3.4.1 社会影响力要素 | 第32-33页 |
| 3.4.2 推荐时间要素 | 第33页 |
| 3.4.3 商品质量要素 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于信任和标签的协同过滤推荐方法 | 第36-46页 |
| 4.1 引言 | 第36-37页 |
| 4.2 基于共现矩阵的强相关标签发现算法 | 第37-40页 |
| 4.3 标签的聚类 | 第40-41页 |
| 4.3.1 GN聚类算法简介 | 第40-41页 |
| 4.3.2 生成用户关联矩阵 | 第41页 |
| 4.4 方法提出 | 第41页 |
| 4.5 数值实验 | 第41-45页 |
| 4.5.1 数据集介绍 | 第41-42页 |
| 4.5.2 强相关标签结果 | 第42页 |
| 4.5.3 标签聚类结果 | 第42-44页 |
| 4.5.4 评价指标及结果分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于标签的商品流行度排名分析 | 第46-51页 |
| 5.1 引言 | 第46页 |
| 5.2 基于标签的商品流行度排名分析框架 | 第46-47页 |
| 5.3 结果分析 | 第47-50页 |
| 5.3.1 商品市场的不均衡性 | 第47-49页 |
| 5.3.2 用户群体偏好特点 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
