基于用户多维社交网络模型的推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 个性化推荐的国内外现状 | 第11-12页 |
| 1.2.2 复杂网络研究的国内外现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文研究框架 | 第14-16页 |
| 第2章 相关理论及方法 | 第16-33页 |
| 2.1 个性化推荐系统理论 | 第16-25页 |
| 2.1.1 推荐系统介绍 | 第16-20页 |
| 2.1.2 基于领域的推荐算法 | 第20-23页 |
| 2.1.3 基于图的推荐算法 | 第23-24页 |
| 2.1.4 算法综合比较 | 第24-25页 |
| 2.2 复杂网络理论 | 第25-32页 |
| 2.2.1 复杂网络拓扑特征 | 第26-27页 |
| 2.2.2 复杂网络模型 | 第27-28页 |
| 2.2.3 中心度和中心势 | 第28-30页 |
| 2.2.4 成分和派系 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于用户的协同过滤算法及其改进 | 第33-49页 |
| 3.1 推荐系统面临的问题 | 第33-35页 |
| 3.1.1 冷启动问题 | 第33-34页 |
| 3.1.2 数据稀疏性问题 | 第34页 |
| 3.1.3 用户兴趣飘移问题 | 第34-35页 |
| 3.2 算法评价指标 | 第35-39页 |
| 3.3 改进思路及算法实现 | 第39-44页 |
| 3.4 实验结果分析 | 第44-48页 |
| 3.5 本章小节 | 第48-49页 |
| 第4章 基于用户多维加权社交网络的个性化推荐算法 | 第49-61页 |
| 4.1 算法改进思路 | 第49页 |
| 4.2 多维用户加权网络的构造 | 第49-52页 |
| 4.3 可识别重叠网络簇的CPM层次聚类 | 第52-57页 |
| 4.4 寻找最近邻 | 第57-58页 |
| 4.5 推荐的产生 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 仿真实验及结果分析 | 第61-70页 |
| 5.1 实验数据来源 | 第61-62页 |
| 5.2 实验方法及过程 | 第62-64页 |
| 5.3 实验结果对比分析 | 第64-69页 |
| 5.4 本章小节 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 结论 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
