| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 基于关系的好友推荐 | 第11-12页 |
| 1.3.2 基于内容的好友推荐 | 第12-13页 |
| 1.3.3 基于混合的好友推荐 | 第13页 |
| 1.3.4 基于信任的好友推荐 | 第13-14页 |
| 1.4 本文主要工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 相关基础理论 | 第16-25页 |
| 2.1 协同过滤 | 第16-20页 |
| 2.1.1 基于记忆的协同过滤算法 | 第16-18页 |
| 2.1.2 基于模型的协同过滤算法 | 第18-20页 |
| 2.2 随机游走算法 | 第20-22页 |
| 2.3 六度分隔和三度影响理论 | 第22页 |
| 2.3.1 六度分隔理论 | 第22页 |
| 2.3.2 三度影响理论 | 第22页 |
| 2.4 排序学习方法 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于用户潜在特征的社交网络好友推荐 | 第25-36页 |
| 3.1 问题描述和解决思路 | 第25-26页 |
| 3.2 用户潜在特征挖掘 | 第26-28页 |
| 3.2.1 用户潜在兴趣特征挖掘 | 第26-27页 |
| 3.2.2 用户潜在交友偏好特征挖掘 | 第27-28页 |
| 3.3 用户间相似度计算 | 第28-29页 |
| 3.3.1 用范数修正的余弦相似度 | 第28-29页 |
| 3.3.2 用户综合相似度的计算 | 第29页 |
| 3.4 基于用户潜在特征的社交网络好友推荐方法 | 第29-31页 |
| 3.4.1 基于用户潜在特征的社交网络好友推荐方法描述 | 第29-30页 |
| 3.4.2 方法实现过程 | 第30-31页 |
| 3.5 实验与分析 | 第31-35页 |
| 3.5.1 实验数据集 | 第31-32页 |
| 3.5.2 评价指标 | 第32页 |
| 3.5.3 实验结果与分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 融合用户间关系度和排序学习的社交网络好友推荐 | 第36-49页 |
| 4.1 问题描述与解决思路 | 第36页 |
| 4.2 基于三度影响理论的用户间关系度 | 第36-39页 |
| 4.2.1 社交网络图的构建 | 第37-38页 |
| 4.2.2 社交网络中用户间关系度的计算 | 第38-39页 |
| 4.3 融合用户间关系度和排序学习的好友推荐方法 | 第39-43页 |
| 4.3.1 融合用户间关系度和排序学习的用户偏好挖掘 | 第39-41页 |
| 4.3.2 方法过程及性能分析 | 第41-42页 |
| 4.3.3 好友推荐列表生成 | 第42-43页 |
| 4.4 实验与分析 | 第43-48页 |
| 4.4.1 实验数据集 | 第43页 |
| 4.4.2 评价指标 | 第43-44页 |
| 4.4.3 实验结果与分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
