基于社会网络的推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究目的与意义 | 第12-13页 |
| 1.4 本文的主要研究工作 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 2 相关概念及技术 | 第15-26页 |
| 2.1 社会网络 | 第15-17页 |
| 2.1.1 概述 | 第15页 |
| 2.1.2 表示形式及相关概念 | 第15-17页 |
| 2.2 推荐系统及算法概述 | 第17-18页 |
| 2.3 协同过滤推荐 | 第18-19页 |
| 2.4 相似度计算 | 第19-20页 |
| 2.5 信任关系 | 第20-21页 |
| 2.6 社区发现算法 | 第21-25页 |
| 2.6.1 社区发现算法相关概念 | 第21-23页 |
| 2.6.2 重叠度 | 第23-24页 |
| 2.6.3 社区划分的评价标准 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 相似社区发现算法 | 第26-30页 |
| 3.1 LFM社区划分算法 | 第26-27页 |
| 3.2 LFM算法的不足 | 第27页 |
| 3.3 LFM社区发现算法的改进 | 第27-28页 |
| 3.4 k-相似社区发现算法 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 综合相似度计算 | 第30-38页 |
| 4.1 用户项目偏好度 | 第30-31页 |
| 4.2 用户综合信任度 | 第31-35页 |
| 4.2.1 直接信任度 | 第32-33页 |
| 4.2.2 间接信任度 | 第33-34页 |
| 4.2.3 综合信任度 | 第34-35页 |
| 4.3 综合相似度及其计算 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 基于相似社区综合相似度的推荐过程 | 第38-43页 |
| 5.1 常见社会网络应用及数据表示 | 第38-39页 |
| 5.2 现有问题 | 第39-40页 |
| 5.3 基于相似社区综合相似度的推荐算法 | 第40-42页 |
| 5.3.1 算法原理 | 第40页 |
| 5.3.2 算法流程与设计 | 第40-42页 |
| 5.4 本章小结 | 第42-43页 |
| 6 相关实验及结果分析 | 第43-54页 |
| 6.1 数据收集及分析 | 第43-44页 |
| 6.1.1 数据来源 | 第43页 |
| 6.1.2 数据情景假设 | 第43-44页 |
| 6.2 实验设计 | 第44-45页 |
| 6.2.1 实验平台准备 | 第44页 |
| 6.2.2 评分预测及实验结果评价标准 | 第44-45页 |
| 6.3 数据预处理 | 第45-47页 |
| 6.4 实验结果及分析 | 第47-52页 |
| 6.5 本章小结 | 第52-54页 |
| 7 总结与展望 | 第54-56页 |
| 7.1 总结 | 第54页 |
| 7.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 学位论文数据集表 | 第62-63页 |
