| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-17页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究的目的和意义 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文篇章结构 | 第15-17页 |
| 2 基于用户个性化推荐优化方法基础理论概述 | 第17-27页 |
| 2.1 用户个性化推荐 | 第17-19页 |
| 2.2 基于情景的个性化推荐 | 第19-21页 |
| 2.3 基于社交网络的用户推荐 | 第21-24页 |
| 2.4 基于协同过滤的推荐 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于行为感知的用户个性化推荐优化 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 基于行为感知用户的偏好 | 第27-29页 |
| 3.2.1 基于session的用户行为抽取 | 第28页 |
| 3.2.2 建立用户行为与偏好的模型 | 第28-29页 |
| 3.3 基于行为感知的用户个性化推荐优化 | 第29-33页 |
| 3.4 实验分析 | 第33-38页 |
| 3.4.1 实验数据和评价指标 | 第33-34页 |
| 3.4.2 UPPR效率和准确度分析实验 | 第34-35页 |
| 3.4.3 对比实验结果 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于网页拓扑识别网页异常排名的用户推荐优化 | 第39-49页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于网页拓扑识别网页的异常排名 | 第40-45页 |
| 4.2.1 网页拓扑与网页权重关系 | 第40-43页 |
| 4.2.2 识别被提升权重的网页 | 第43-45页 |
| 4.3 实验分析 | 第45-48页 |
| 4.3.1 实验评价指标 | 第45页 |
| 4.3.2 实验结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 融合负向社交关系和泊松过程的非活跃用户推荐优化 | 第49-58页 |
| 5.1 引言 | 第49页 |
| 5.2 基于负向社交关系和泊松过程融合为非活跃用户优化个性化推荐 | 第49-52页 |
| 5.2.1 非活跃用户的有限负向社交关系感知 | 第50页 |
| 5.2.2 基于负向社交关系和泊松过程融合求解的非活跃用户推荐 | 第50-52页 |
| 5.3 实验分析 | 第52-57页 |
| 5.3.1 实验评价指标 | 第52-53页 |
| 5.3.2 确定用户间初始负向社交关系的传递参数 | 第53页 |
| 5.3.3 对比实验 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 附录 | 第67-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
