| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究意义及主要工作 | 第13-14页 |
| 1.3.1 研究意义 | 第13页 |
| 1.3.2 主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关工作与理论 | 第16-30页 |
| 2.1 PMF算法及其相关理论 | 第16-21页 |
| 2.1.1 贝叶斯定理 | 第16-17页 |
| 2.1.2 高斯分布 | 第17-18页 |
| 2.1.3 pmf算法的核心思路 | 第18-19页 |
| 2.1.4 constrained pmf | 第19-21页 |
| 2.1.5 pmf算法总结 | 第21页 |
| 2.2 邻居关系模型 | 第21-26页 |
| 2.2.1 邻居关系模型的主要思路 | 第22-24页 |
| 2.2.2 邻居关系模型的实现和实验结果 | 第24-25页 |
| 2.2.3 协同过滤以及邻居关系模型和潜在因素模型的对比 | 第25-26页 |
| 2.3 应对不诚实用户提出的算法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 水军聚类检测算法设计 | 第30-54页 |
| 3.1 水军行为模式分析 | 第30-32页 |
| 3.2 水军聚类检测算法思路 | 第32-33页 |
| 3.3 基于模糊聚类的算法设计 | 第33-52页 |
| 3.3.1 水军疑似度分析算法设计 | 第33-41页 |
| 3.3.2 水军聚类算法设计 | 第41-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 商务推荐算法设计 | 第54-68页 |
| 4.1 问题的数学抽象 | 第54-56页 |
| 4.2 使用SVD分解矩阵 | 第56-59页 |
| 4.3 梯度下降法 | 第59-61页 |
| 4.4 用梯度下降逼近SVD的结果 | 第61-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 实验与分析 | 第68-78页 |
| 5.1 试验数据集 | 第68-69页 |
| 5.2 原型系统的设计与实现 | 第69-71页 |
| 5.3 正交实验法确定阈值 | 第71-73页 |
| 5.4 算法的推荐准确度 | 第73-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |