融入信任传播与用户集群构建的个性化推荐方法
| 摘要 | 第2-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 信任传播研究现状 | 第12-13页 |
| 1.2.2 推荐算法研究现状 | 第13-14页 |
| 1.2.3 问题小结 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第2章 相关技术与理论研究 | 第19-35页 |
| 2.1 相似度测量方法 | 第19-22页 |
| 2.2 个性化推荐方法 | 第22-28页 |
| 2.2.1 传统推荐算法 | 第22-28页 |
| 2.2.2 传统推荐算法存在的问题 | 第28页 |
| 2.3 聚类算法 | 第28-33页 |
| 2.3.1 聚类算法概述 | 第28-29页 |
| 2.3.2 几种聚类算法 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 用户信任模型的构建 | 第35-45页 |
| 3.1 信任的概念及特征 | 第35-37页 |
| 3.1.1 信任概念 | 第35-36页 |
| 3.1.2 信任特征 | 第36-37页 |
| 3.2 信任模型的构建思路 | 第37-39页 |
| 3.3 用户信任值的计算过程 | 第39-43页 |
| 3.3.1 直接信任 | 第39-41页 |
| 3.3.2 间接信任 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 融入信任传播与用户集群构建的推荐模型 | 第45-55页 |
| 4.1 整体推荐模型的构建思路 | 第45-48页 |
| 4.2 用户集群构建 | 第48-50页 |
| 4.2.1 基于用户属性的相似度计算 | 第48-49页 |
| 4.2.2 相似-信任融合矩阵的聚类算法 | 第49-50页 |
| 4.3 综合推荐度 | 第50-51页 |
| 4.4 整体聚类推荐模型 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 实验验证与分析 | 第55-63页 |
| 5.1 实验数据 | 第55页 |
| 5.2 评价指标 | 第55-56页 |
| 5.3 结果分析 | 第56-62页 |
| 5.3.1 确定模型参数 | 第56-58页 |
| 5.3.2 推荐结果 | 第58-60页 |
| 5.3.3 用户冷启动缓解 | 第60页 |
| 5.3.4 数据稀疏度比较 | 第60-61页 |
| 5.3.5 预测对比结果 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 攻读硕士学位期间发表的论文和参与的项目 | 第69-71页 |
| 致谢 | 第71-72页 |
