基于图模型的个性化推荐技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-14页 |
| ·电子商务 | 第12页 |
| ·个性化推荐系统 | 第12-13页 |
| ·图模型 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·本文研究内容 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第2章 个性化推荐系统的图模型 | 第18-26页 |
| ·个性化推荐系统及其技术 | 第18-20页 |
| ·个性化推荐系统的构成 | 第18-19页 |
| ·个性化推荐系统中的相关技术 | 第19-20页 |
| ·电子商务推荐系统中的图模型 | 第20-23页 |
| ·两层图模型 | 第20-21页 |
| ·图模型分析 | 第21-22页 |
| ·图模型的优点 | 第22-23页 |
| ·小世界网络 | 第23-24页 |
| ·贝叶斯网络 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 基于加权小世界网络模型的用户聚类技术 | 第26-34页 |
| ·小世界网络模型简介 | 第26-27页 |
| ·用户网络的构建 | 第27-29页 |
| ·用户网络的定义 | 第28页 |
| ·用户网络中的相似度计算 | 第28-29页 |
| ·流动阻力和流动效率 | 第29-31页 |
| ·流动阻力定义及计算 | 第29-30页 |
| ·流动效率定义及计算 | 第30-31页 |
| ·加权小世界网络下的用户聚类 | 第31-33页 |
| ·加权小世界网络的构建思想 | 第31-32页 |
| ·加权小世界网络的重连边算法 | 第32页 |
| ·新用户的兴趣分析 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第4章 基于图模型的个性化推荐 | 第34-42页 |
| ·贝叶斯网络简介 | 第34-35页 |
| ·贝叶斯网络的构建 | 第35-38页 |
| ·商品网络的定义 | 第35页 |
| ·贝叶斯网络的结构学习 | 第35-37页 |
| ·贝叶斯网络的参数学习 | 第37-38页 |
| ·图模型的构建 | 第38-39页 |
| ·个性化推荐算法 | 第39-40页 |
| ·小结 | 第40-42页 |
| 第5章 基于图模型的个性化推荐技术实验 | 第42-46页 |
| ·实验准备 | 第42-43页 |
| ·实验环境 | 第42页 |
| ·实验数据介绍 | 第42-43页 |
| ·加权小世界网络中的实验及分析 | 第43-44页 |
| ·个性化推荐的实验及分析 | 第44-45页 |
| ·评估标准 | 第44页 |
| ·个性化推荐结果分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第52页 |
