融合数据检测与用户信任的协同过滤算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景及意义 | 第10-11页 |
| ·推荐系统的发展及研究现状 | 第11-16页 |
| ·推荐系统的发展 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 个性化推荐系统 | 第18-28页 |
| ·现有推荐方法概述 | 第18-19页 |
| ·基于模型的推荐算法 | 第19-21页 |
| ·基于内存的推荐算法 | 第21-26页 |
| ·基于用户的协同过滤推荐算法 | 第22-25页 |
| ·基于项目的协同过滤推荐算法 | 第25-26页 |
| ·协同过滤推荐算法面临的问题 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 融合用户信任的协同过滤推荐算法 | 第28-44页 |
| ·相关知识介绍 | 第28-32页 |
| ·用户相似性计算 | 第29-30页 |
| ·增强学习 | 第30-31页 |
| ·项目信任 | 第31-32页 |
| ·用户信任模型及信任生成算法 | 第32-39页 |
| ·用户直接信任计算 | 第32-34页 |
| ·用户推荐信任计算 | 第34-37页 |
| ·用户信任生成算法 | 第37-39页 |
| ·融合用户信任的推荐算法 | 第39-43页 |
| ·融合信任关系的推荐算法 | 第39-42页 |
| ·算法性能分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 融合数据检测的推荐算法 | 第44-57页 |
| ·推荐算法面临的安全问题 | 第45-47页 |
| ·恶意数据模型及检测方法 | 第47-53页 |
| ·存在的攻击模型 | 第48-50页 |
| ·恶意用户特征 | 第50-51页 |
| ·已有恶意数据检测方法 | 第51-53页 |
| ·改进的项目相似性计算 | 第53-56页 |
| ·引入项目特征计算 | 第53页 |
| ·项目特征计算方法 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 实验验证与分析 | 第57-66页 |
| ·实验准备工作 | 第57-58页 |
| ·实验数据来源 | 第57-58页 |
| ·实验环境 | 第58页 |
| ·实验评价标准 | 第58-60页 |
| ·推荐精度评价标准 | 第58-59页 |
| ·数据检测评价标准 | 第59-60页 |
| ·用户信任算法的验证 | 第60-63页 |
| ·实验方案 | 第60-61页 |
| ·实验结果与分析 | 第61-63页 |
| ·项目检测算法的验证 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
