| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 协同过滤算法的研究现状及发展趋势 | 第10-11页 |
| 1.2.2 推荐算法引入复杂网络理论的研究 | 第11-12页 |
| 1.3 研究内容及论文结构 | 第12-15页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 论文结构 | 第12-15页 |
| 第2章 相关技术和理论 | 第15-25页 |
| 2.1 推荐算法介绍 | 第15-18页 |
| 2.1.1 协同过滤算法 | 第15-17页 |
| 2.1.2 基于内容的推荐算法 | 第17页 |
| 2.1.3 混合推荐算法 | 第17-18页 |
| 2.1.4 关联规则 | 第18页 |
| 2.2 复杂网络链路预测 | 第18-20页 |
| 2.2.1 基于相似性的链路预测 | 第18-20页 |
| 2.2.2 基于最大似然估计的链路预测 | 第20页 |
| 2.2.3 基于概念模型的链路预测 | 第20页 |
| 2.3 复杂网络社区发现 | 第20-23页 |
| 2.3.1 非重叠社区发现算法 | 第21-22页 |
| 2.3.2 重叠社区发现算法 | 第22-23页 |
| 2.3.3 动态社区发现算法 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于链路预测的协同过滤算法 | 第25-35页 |
| 3.1 数据稀疏性问题的概述 | 第25-26页 |
| 3.2 基于加权SimRank的链路预测的研究现状 | 第26-28页 |
| 3.3 基于链路预测的推荐算法 | 第28-33页 |
| 3.3.1 基于加权SimRank相似度计算公式的改进 | 第29-32页 |
| 3.3.2 算法描述 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于重叠社区发现的协同过滤算法 | 第35-51页 |
| 4.1 算法可扩展性问题的概述 | 第35-36页 |
| 4.2 基于PageRank的重叠社区发现算法 | 第36-46页 |
| 4.2.1 加权PageRank算法的研究 | 第36-38页 |
| 4.2.2 基于PageRank的重叠社区发现算法的描述 | 第38-40页 |
| 4.2.3 实验与分析 | 第40-46页 |
| 4.3 基于重叠社区发现的协同过滤推荐算法 | 第46-48页 |
| 4.3.1 算法基本思想 | 第46-47页 |
| 4.3.2 算法描述 | 第47-48页 |
| 4.4 本章小结 | 第48-51页 |
| 第5章 实验数据分析和性能评价 | 第51-59页 |
| 5.1 实验准备 | 第51-53页 |
| 5.1.1 推荐算法评价指标 | 第51-53页 |
| 5.1.2 实验数据集 | 第53页 |
| 5.1.3 实验环境 | 第53页 |
| 5.2 实验方案 | 第53-54页 |
| 5.3 实验结果与分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所取得的研究成果 | 第65-67页 |
| 致谢 | 第67页 |
