基于信任关系的矩阵分解推荐模型研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 论文的结构安排及主要工作 | 第14-15页 |
| 第2章 相关技术与基本理论 | 第15-24页 |
| 2.1 协同过滤推荐算法 | 第15-16页 |
| 2.1.1 基本概念 | 第15-16页 |
| 2.2 协同过滤算法的分类 | 第16-20页 |
| 2.2.1 基于记忆的协同过滤推荐算法 | 第16-19页 |
| 2.2.2 基于矩阵分解模型的协同过滤算法 | 第19-20页 |
| 2.3 推荐算法的评价指标 | 第20-23页 |
| 2.4 协同过滤推荐算面临的主要问题 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 信任模型理论研究 | 第24-33页 |
| 3.1 推荐系统中的信任定义 | 第24-25页 |
| 3.2 信任度的分类 | 第25-26页 |
| 3.3 信任关系网络和信任矩阵 | 第26-27页 |
| 3.4 信任的传播和聚合 | 第27-28页 |
| 3.5 基于信任关系的推荐算法 | 第28-31页 |
| 3.5.1 基于记忆的信任推荐算法 | 第28-30页 |
| 3.5.2 基于模型的信任推荐算法 | 第30-31页 |
| 3.6 基于信任关系的推荐算法的优缺点 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第4章 基于信任关系的矩阵分解推荐模型 | 第33-48页 |
| 4.1 SVD及SVD++模型简介 | 第33-34页 |
| 4.1.1 基准预测 | 第33-34页 |
| 4.1.2 SVD及SVD++模型 | 第34页 |
| 4.2 TrustMF推荐模型 | 第34-36页 |
| 4.3 TMFSVD推荐模型 | 第36-40页 |
| 4.4 实验数据集及评价指标 | 第40页 |
| 4.5 实验策略及对比算法 | 第40-41页 |
| 4.6 实验结果及分析 | 第41-47页 |
| 4.6.1 参数λt和α的对实验结果的影响 | 第41-44页 |
| 4.6.2 算法对比及分析 | 第44-45页 |
| 4.6.3 针对不同用户节点度的实验 | 第45-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第5章 基于信任关系的Top-N推荐模型 | 第48-59页 |
| 5.1 TrecRank推荐模型 | 第48-52页 |
| 5.1.1 Plackett-Luce模型 | 第48-49页 |
| 5.1.2 评分预测模型 | 第49-50页 |
| 5.1.3 信任模型 | 第50-51页 |
| 5.1.4 结合评分和信任关系的统一模型 | 第51-52页 |
| 5.2 实验结果与分析 | 第52-58页 |
| 5.2.1 实验数据集和评价指标 | 第52-53页 |
| 5.2.2 试验参数设置 | 第53页 |
| 5.2.3 参数λt和α对实验结果的影响 | 第53-57页 |
| 5.2.4 算法对比及分析 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 总结和展望 | 第59-61页 |
| 本文工作总结 | 第59页 |
| 未来工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第66页 |
