| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-32页 |
| 1.1 问题的研究背景和意义 | 第12-14页 |
| 1.2 人类行为动力学之线下行为研究综述 | 第14-20页 |
| §1.2.1 突发事件中的人类行为 | 第14-15页 |
| §1.2.2 人类行为的时间分布 | 第15-18页 |
| §1.2.3 人类行为的空间分布 | 第18-20页 |
| 1.3 在线社会系统中的人类行为动力学 | 第20-29页 |
| §1.3.1 社交网络中的用户－用户行为研究进展 | 第21-26页 |
| §1.3.2 推荐系统中的用户行为分析 | 第26-29页 |
| 1.4 本文的研究内容和主要贡献 | 第29-32页 |
| 第二章 用户选择偏好的记忆效应分析及建模研究 | 第32-48页 |
| 2.1 用户选择行为对产品质量偏好的记忆效应分析 | 第32-38页 |
| 2.1.1 数据集介绍 | 第32-33页 |
| 2.1.2 方法与定义 | 第33-35页 |
| 2.1.3 实证分析结果 | 第35-38页 |
| 2.2 用户在线选择偏好的马尔科夫建模 | 第38-46页 |
| 2.2.1 基于任务优先级的经典排队模型 | 第38-40页 |
| 2.2.2 基于马尔科夫过程的偏好模型 | 第40-44页 |
| 2.2.3 用户活跃度以及间隔时间对模型与实证的影响 | 第44-46页 |
| 2.3 本章小结 | 第46-48页 |
| 第三章 基于用户—产品二部分网络集聚特性及流行度偏好的用户兴趣研究 | 第48-68页 |
| 3.1 用户－产品二部分网络及经典推荐算法简介 | 第48-54页 |
| 3.1.1 推荐系统的构成 | 第48-49页 |
| 3.1.2 推荐系统的复杂网络建模 | 第49-50页 |
| 3.1.3 经典推荐算法简介 | 第50-52页 |
| 3.1.4 几个经典的评价指标 | 第52-54页 |
| 3.2 基于集聚系数的用户兴趣多样性分析 | 第54-59页 |
| 3.2.1 二部分网络集聚系数的定义 | 第54-55页 |
| 3.2.2 用户—产品二部分网络集聚系数的实证分析 | 第55-59页 |
| 3.2.3 随机模型 | 第59页 |
| 3.3 考虑流行度偏好的非平衡扩散推荐算法研究 | 第59-65页 |
| 3.3.1 非平衡热传导算法与非平衡物质扩散算法的定义 | 第60-63页 |
| 3.3.2 数值实验 | 第63-65页 |
| 3.4 本章小结 | 第65-68页 |
| 第四章 相似度指标的稳定性及其对推荐的影响 | 第68-83页 |
| 4.1 常用相似度指标的定义 | 第69-71页 |
| 4.2 产品相似度的稳定性分析 | 第71-77页 |
| 4.2.1 数据与研究方法介绍 | 第71-74页 |
| 4.2.2 产品相似度稳定性结果 | 第74-77页 |
| 4.3 产品相似度稳定性对推荐结果的影响 | 第77-81页 |
| 4.3.1 推荐结果稳定性 | 第77-79页 |
| 4.3.2 Top-n-stability方法 | 第79-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第五章 总结与展望 | 第83-86页 |
| 5.1 总结 | 第83-84页 |
| 5.2 展望 | 第84-86页 |
| 参考文献 | 第86-97页 |
| 在读期间公开发表的论文和承担科研项目及取得成果 | 第97-99页 |
| 致谢 | 第99页 |
