| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的选题背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文的主要工作及内容 | 第13-15页 |
| 第2章 推荐方法相关技术研究 | 第15-29页 |
| 2.1 引言 | 第15-16页 |
| 2.2 推荐方法相关技术 | 第16-25页 |
| 2.2.1 基于内容的推荐方法 | 第16-17页 |
| 2.2.2 基于用户的协同过滤推荐方法 | 第17-20页 |
| 2.2.3 基于物品的协同过滤推荐方法 | 第20-22页 |
| 2.2.4 基于关联规则的推荐方法 | 第22页 |
| 2.2.5 基于矩阵分解的推荐方法 | 第22-24页 |
| 2.2.6 混合推荐方法 | 第24-25页 |
| 2.3 推荐算法中信任机制理论研究 | 第25-26页 |
| 2.4 实验数据集 | 第26-27页 |
| 2.5 实验评价指标 | 第27-28页 |
| 2.5.1 MAE和RMSE | 第27页 |
| 2.5.2 准确率和召回率 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于用户信任的个性化推荐算法 | 第29-47页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于用户评分信任的协同过滤推荐算法(STUserCF) | 第30-33页 |
| 3.2.1 STUserCF算法思想 | 第30-32页 |
| 3.2.2 STUserCF算法流程 | 第32-33页 |
| 3.3 基于用户偏好信任的协同过滤推荐算法(PTUserCF) | 第33-37页 |
| 3.3.1 PTUserCF算法思想 | 第33-36页 |
| 3.3.2 PTUserCF算法流程 | 第36-37页 |
| 3.4 基于用户信任的协同过滤推荐算法 | 第37-39页 |
| 3.5 融合用户信任的矩阵分解推荐算法 | 第39-40页 |
| 3.6 实验结果及分析 | 第40-46页 |
| 3.6.1 PTUserCF和STUserCF对比实验 | 第41-44页 |
| 3.6.2 SPTUserCF算法对比实验 | 第44-46页 |
| 3.6.3 SPTSVD算法对比实验 | 第46页 |
| 3.7 本章小结 | 第46-47页 |
| 第4章 基于用户信任的聚类推荐算法 | 第47-57页 |
| 4.1 引言 | 第47-48页 |
| 4.2 相关聚类技术 | 第48-51页 |
| 4.2.1 k-means聚类算法 | 第48-50页 |
| 4.2.2 图聚类算法 | 第50-51页 |
| 4.3 基于用户信任的图聚类推荐算法(TMGCCF) | 第51-54页 |
| 4.4 实验结果与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
