| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究的主要内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-14页 |
| 2 个性化推荐相关技术概述 | 第14-26页 |
| 2.1 基于关联规则的推荐技术 | 第14-16页 |
| 2.2 基于内容的推荐技术 | 第16-19页 |
| 2.3 协同过滤推荐技术 | 第19-24页 |
| 2.3.1 基于用户的协同过滤技术 | 第19-21页 |
| 2.3.2 基于项目的协同过滤技术 | 第21-24页 |
| 2.4 混合推荐技术 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 传统相似度计算方法的改进 | 第26-44页 |
| 3.1 传统的相似度计算方法所面临的问题 | 第26-30页 |
| 3.2 波动因子的概念 | 第30-32页 |
| 3.3 波动因子影响及其解决办法 | 第32-36页 |
| 3.3.1 波动因子对相似度计算的影响 | 第32-33页 |
| 3.3.2 波动因子影响的消除 | 第33-36页 |
| 3.3.3 zscore 参数的确定 | 第36页 |
| 3.4 实验研究与分析 | 第36-42页 |
| 3.4.1 实验数据及实验环境 | 第36-37页 |
| 3.4.2 实验评价标准 | 第37-38页 |
| 3.4.3 实验过程及结果 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 协同过滤算法的抗攻击能力研究和改进 | 第44-60页 |
| 4.1 用户可信度指标 | 第47-52页 |
| 4.2 基于用户可信度的抗攻击协同过滤算法 | 第52-54页 |
| 4.2.1 结合用户可信度的基于用户的协同过滤算法 | 第52-53页 |
| 4.2.2 结合用户可信度的基于项目的协同过滤算法 | 第53-54页 |
| 4.3 协同过滤算法抗攻击能力分析 | 第54-58页 |
| 4.3.1 实验环境及实验评价标准 | 第54页 |
| 4.3.2 实验设计和结果分析 | 第54-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5 结合用户可信度的抗攻击协同过滤算法的应用 | 第60-68页 |
| 5.1 背景描述 | 第60页 |
| 5.2 系统整体设计介绍 | 第60-62页 |
| 5.2.1 系统的构架 | 第60-62页 |
| 5.2.2 系统的整体设计 | 第62页 |
| 5.3 协同过滤功能模块设计 | 第62-66页 |
| 5.3.1 个性化数据的收集 | 第63-64页 |
| 5.3.2 个性化推荐模块 | 第64-66页 |
| 5.4 应用分析 | 第66-67页 |
| 5.4.1 推荐效果介绍 | 第66页 |
| 5.4.2 系统的推荐及抗攻击能力分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 全文工作总结 | 第68页 |
| 6.2 工作展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |
| A 作者在攻读学位期间发表的论文目录 | 第78页 |
| B 作者在攻读学位期间科研工作情况 | 第78页 |