| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 个性化推荐系统简介 | 第14-18页 |
| 1.1.1 个性化推荐的主要算法 | 第14-15页 |
| 1.1.2 个性化推荐的两类问题 | 第15-18页 |
| 1.1.3 研究面临的问题及解决方法 | 第18页 |
| 1.2 本文的主要工作及论文组织结构 | 第18-20页 |
| 第二章 协同过滤推荐算法介绍 | 第20-28页 |
| 2.1 协同过滤的基本定义 | 第20-21页 |
| 2.2 基于相似性的协同过滤算法 | 第21-23页 |
| 2.3 基于潜在因子的协同过滤算法 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于多源迁移学习共享组级因子的推荐算法研究 | 第28-40页 |
| 3.1 概率共享组级因子模型 | 第28-30页 |
| 3.1.1 PCLF模型简介 | 第28-29页 |
| 3.1.2 PCLF模型的结构 | 第29-30页 |
| 3.2 一种新的基于多源迁移学习的共享组级因子模型 | 第30-35页 |
| 3.2.1 M-PCLF模型的基本定义 | 第30-31页 |
| 3.2.2 M-PCLF模型的构建 | 第31-32页 |
| 3.2.3 多源迁移模型参数的学习 | 第32-35页 |
| 3.3 实验及分析 | 第35-39页 |
| 3.3.1 数据集说明 | 第35-36页 |
| 3.3.2 实验设置说明 | 第36-37页 |
| 3.3.3 试验结果及分析说明 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于社交网络信任感知推荐系统的改进算法研究 | 第40-54页 |
| 4.1 基于社交网络的信任感知推荐算法 | 第40-41页 |
| 4.2 基于两种角色信任感知的推荐模型 | 第41-46页 |
| 4.2.1 Dual-Trust SVD模型的基本定义 | 第41-42页 |
| 4.2.2 Truster模型与Trustee模型的构建 | 第42-46页 |
| 4.2.3 模型参数的学习 | 第46页 |
| 4.2.4 基于信任感知的综合评分预测 | 第46页 |
| 4.3 基于项目相似性对两种角色信任感知推荐模型的扩展 | 第46-48页 |
| 4.4 实验及分析 | 第48-52页 |
| 4.4.1 数据集说明 | 第48-49页 |
| 4.4.2 实验设置说明 | 第49-50页 |
| 4.4.3 实验结果及分析说明 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 基于信任感知的隐式反馈项目推荐算法研究 | 第54-64页 |
| 5.1 隐式反馈项目推荐算法 | 第54-56页 |
| 5.1.1 隐式反馈项目推荐算法简介 | 第54-55页 |
| 5.1.2 BPR算法存在的问题 | 第55-56页 |
| 5.2 一种基于自适应抽样的信任感知推荐模型 | 第56-60页 |
| 5.2.1 基本定义 | 第57页 |
| 5.2.2 ATBPR模型 | 第57-60页 |
| 5.3 实验及分析 | 第60-63页 |
| 5.3.1 实验设置说明 | 第60-62页 |
| 5.3.2 实验结果及分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 进一步研究方向 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
