| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关知识和技术介绍 | 第16-26页 |
| 2.1 个性化推荐技术 | 第16-18页 |
| 2.2 协同过滤推荐算法 | 第18-21页 |
| 2.2.1 基于内存的模式 | 第18-20页 |
| 2.2.2 基于模型的模式 | 第20-21页 |
| 2.2.3 混合模式 | 第21页 |
| 2.3 社交网络知识介绍 | 第21-25页 |
| 2.3.1 信任的定义和特性 | 第22-23页 |
| 2.3.2 信任的分类和度量 | 第23-24页 |
| 2.3.3 信任网络在推荐系统中的应用 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 融合加权信任的概率矩阵分解算法 | 第26-38页 |
| 3.1 问题的提出 | 第26-27页 |
| 3.2 融合加权信任的矩阵分解推荐算法 | 第27-37页 |
| 3.2.1 改进的Jaccard计算方法 | 第27-30页 |
| 3.2.2 加权信任计算方法WTCA(Weighted Trust Computer Algorithm) | 第30-31页 |
| 3.2.3 推荐算法(WPMF) | 第31-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 融合相似度和填充信任矩阵的协同推荐 | 第38-48页 |
| 4.1 问题的提出 | 第38-39页 |
| 4.2 融合相似度和填充信任矩阵的协同推荐 | 第39-46页 |
| 4.2.1 信任矩阵的填充算法 | 第39-44页 |
| 4.2.2 协同推荐算法描述(STCF) | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第5章 实验验证与结果分析 | 第48-58页 |
| 5.1 实验数据集与实验设置 | 第48-49页 |
| 5.1.1 实验数据集及设置 | 第48-49页 |
| 5.1.2 实验环境 | 第49页 |
| 5.2 实验评价指标 | 第49-50页 |
| 5.3 WPMF算法的实验及分析 | 第50-54页 |
| 5.3.1 参数 α 和 λ_W对WPMF算法的影响 | 第50-52页 |
| 5.3.2 不同数据集上的实验对比 | 第52-53页 |
| 5.3.4 实验结果分析 | 第53-54页 |
| 5.4 STCF算法的实验及分析 | 第54-57页 |
| 5.4.1 实验参数M的选取 | 第54页 |
| 5.4.2 实验结果分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |