在线社交网络关系推荐关键问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 在线社交网络关系推荐的定义 | 第10-11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 创新之处 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 基于FM推荐算法 | 第14-30页 |
| 2.1 基于协同过滤的社交网络推荐 | 第14-18页 |
| 2.1.1 基于社交用户数据的协同过滤 | 第14-16页 |
| 2.1.2 基于社交物品数据的协同过滤 | 第16-18页 |
| 2.2 基于矩阵分解的模型 | 第18-23页 |
| 2.2.1 奇异值分解(SVD)模型 | 第19-21页 |
| 2.2.2 隐因子(LFM)模型 | 第21-23页 |
| 2.3 FM模型 | 第23-28页 |
| 2.3.1 FM模型定义 | 第23-26页 |
| 2.3.2 特征块结构 | 第26-28页 |
| 2.4 索引映射方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 推荐算法应用设计 | 第30-39页 |
| 3.1 数据收集和处理 | 第30-35页 |
| 3.1.1 收集 | 第31-32页 |
| 3.1.2 抽样 | 第32-33页 |
| 3.1.3 变量变换 | 第33-34页 |
| 3.1.4 数据库的选择 | 第34-35页 |
| 3.2 特征提取 | 第35-36页 |
| 3.3 算法模块 | 第36-37页 |
| 3.4 推荐结果的衡量 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 实验设计与分析 | 第39-58页 |
| 4.1 总体设计 | 第39-40页 |
| 4.2 数据清理 | 第40-42页 |
| 4.2.1 数据集描述 | 第40-41页 |
| 4.2.2 分割文件 | 第41-42页 |
| 4.3 存入MongoDB | 第42-46页 |
| 4.3.1 Scores表 | 第42-43页 |
| 4.3.2 Movie表 | 第43页 |
| 4.3.3 User表 | 第43-44页 |
| 4.3.4 数据汇总分析 | 第44-46页 |
| 4.4 特征提取与构造 | 第46-49页 |
| 4.4.1 特征的提取 | 第46-47页 |
| 4.4.2 构建过程 | 第47-49页 |
| 4.5 算法应用 | 第49-52页 |
| 4.6 结果及分析 | 第52-56页 |
| 4.7 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 未来的工作 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间主要研究成果 | 第64页 |
