| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究内容及目标 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 个性化推荐概述 | 第18-30页 |
| 2.1 个性化推荐系统概述 | 第18-19页 |
| 2.2 个性化推荐主流方法 | 第19-25页 |
| 2.2.1 基于内容的推荐 | 第19-20页 |
| 2.2.2 协同过滤推荐 | 第20-21页 |
| 2.2.3 基于二分图网络结构的推荐 | 第21-22页 |
| 2.2.4 社交网络环境下基于信任的推荐方法 | 第22-24页 |
| 2.2.5 奇异值分解推荐 | 第24-25页 |
| 2.3 隐式反馈 | 第25-26页 |
| 2.4 推荐效果评价标准 | 第26-27页 |
| 2.4.1 准确性指标 | 第26-27页 |
| 2.4.2 新颖性和多样性指标 | 第27页 |
| 2.5 本章小结 | 第27-30页 |
| 第三章 基于异构网络元路径的App推荐方法 | 第30-42页 |
| 3.1 问题描述 | 第30-32页 |
| 3.1.1 异构网络建模 | 第30-31页 |
| 3.1.2 元路径概述及搜寻 | 第31-32页 |
| 3.2 方法设计 | 第32-37页 |
| 3.2.1 方法过程描述 | 第32-35页 |
| 3.2.2 方法的动态性改进 | 第35-36页 |
| 3.2.3 元路径的单独验证 | 第36-37页 |
| 3.3 实验设计 | 第37-41页 |
| 3.3.1 实验数据及实验平台 | 第37-38页 |
| 3.3.2 实验过程及结果分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于经验分布和KL散度的协同过滤App推荐方法RQE-EDKL | 第42-54页 |
| 4.1 问题描述 | 第42-46页 |
| 4.1.1 用户-物品经验分布 | 第42-44页 |
| 4.1.2 Low-Rank-Plus-Shift分布特征 | 第44-46页 |
| 4.2 方法设计 | 第46-48页 |
| 4.2.1 推荐结果质量评价方法RQE-EDKL概述 | 第46页 |
| 4.2.2 标准分布 | 第46-47页 |
| 4.2.3 不同推荐方法的推荐结果 | 第47页 |
| 4.2.4 KL距离的计算 | 第47-48页 |
| 4.3 实验设计 | 第48-53页 |
| 4.3.1 实验数据及实验平台 | 第48页 |
| 4.3.2 实验过程及结果分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 本文结论 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 研究成果及发表的学术论文 | 第64-66页 |
| 作者和导师介绍 | 第66-67页 |
| 附件 | 第67-68页 |
