面向大数据的可信服务推荐方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 服务推荐相关研究 | 第11-12页 |
| 1.2.2 社团发现相关研究 | 第12-13页 |
| 1.2.3 信任模型相关研究 | 第13-14页 |
| 1.3 研究意义和创新点 | 第14页 |
| 1.4 研究内容及章节安排 | 第14-16页 |
| 第二章 相关背景知识介绍 | 第16-31页 |
| 2.1 服务推荐 | 第16-23页 |
| 2.1.1 Web服务与服务质量 | 第16-17页 |
| 2.1.2 服务推荐方法分类 | 第17-22页 |
| 2.1.3 服务推荐评价指标 | 第22-23页 |
| 2.2 社团发现技术 | 第23-25页 |
| 2.3 信任模型基本理论 | 第25-30页 |
| 2.3.1 信任的定义 | 第25-26页 |
| 2.3.2 信任的性质 | 第26-27页 |
| 2.3.3 评估信任原则 | 第27-28页 |
| 2.3.4 经典信任模型分析 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 面向大数据的可信社团优化方法 | 第31-40页 |
| 3.1 信任评估方法 | 第31-34页 |
| 3.1.1 直接信任 | 第31-33页 |
| 3.1.2 间接信任 | 第33页 |
| 3.1.3 全局信任 | 第33-34页 |
| 3.2 新用户的动态加入 | 第34-35页 |
| 3.3 恶意用户的动态删除 | 第35-37页 |
| 3.3.1 邻居评分影响力 | 第35-36页 |
| 3.3.2 恶意用户发现与删除 | 第36-37页 |
| 3.4 仿真实验 | 第37-39页 |
| 3.4.1 实验环境和数据集 | 第37-38页 |
| 3.4.2 实验结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 面向大数据的可信服务推荐方法 | 第40-54页 |
| 4.1 相关理论与技术 | 第40-42页 |
| 4.2 可信社团的构建 | 第42-46页 |
| 4.2.1 相关概念 | 第42-43页 |
| 4.2.2 可信社团预处理 | 第43-44页 |
| 4.2.3 建立可信社团 | 第44-46页 |
| 4.3 可信服务推荐方法 | 第46-50页 |
| 4.4 仿真实验 | 第50-53页 |
| 4.4.1 实验环境与数据集 | 第50-51页 |
| 4.4.2 实验结果与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 原型系统与应用示范 | 第54-64页 |
| 5.1 原型系统 | 第54-56页 |
| 5.2 服务推荐应用示范 | 第56-63页 |
| 5.2.1 需求分析 | 第56-57页 |
| 5.2.2 概要设计 | 第57-58页 |
| 5.2.3 详细设计 | 第58-61页 |
| 5.2.4 系统具体实现 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |
