基于新型信任模型的自适应推荐方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 基础知识与相关理论 | 第16-30页 |
| 2.1 推荐技术简介 | 第16-18页 |
| 2.1.1 信息发现 | 第16页 |
| 2.1.2 工作原理 | 第16-18页 |
| 2.2 推荐技术分类 | 第18-25页 |
| 2.2.1 基于人口统计学的推荐 | 第18-19页 |
| 2.2.2 基于内容的推荐 | 第19-20页 |
| 2.2.3 基于标签的推荐 | 第20-21页 |
| 2.2.4 基于协同过滤的推荐 | 第21-24页 |
| 2.2.5 混合推荐 | 第24-25页 |
| 2.3 相似度及其计算 | 第25-27页 |
| 2.3.1 概述 | 第25页 |
| 2.3.2 基于皮尔逊相关系数的相似度 | 第25-26页 |
| 2.3.3 基于欧几里德距离的相似度 | 第26-27页 |
| 2.3.4 余弦相似度 | 第27页 |
| 2.3.5 相似度计算的不足 | 第27页 |
| 2.4 信任模型 | 第27-29页 |
| 2.4.1 信任的定义及特点 | 第27-28页 |
| 2.4.2 信任模型的分类及作用 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 新型信任模型的构建 | 第30-38页 |
| 3.1 概述 | 第30页 |
| 3.2 改进的用户相似度计算 | 第30-32页 |
| 3.2.1 项目聚类 | 第31页 |
| 3.2.2 改进的用户相似度 | 第31-32页 |
| 3.3 信任的相关理论 | 第32-33页 |
| 3.3.1 信任的概念 | 第32页 |
| 3.3.2 信任的特性及分类 | 第32-33页 |
| 3.4 用户信任度计算 | 第33-37页 |
| 3.4.1 直接信任度 | 第34-35页 |
| 3.4.2 间接信任度 | 第35-36页 |
| 3.4.3 用户信任度 | 第36-37页 |
| 3.5 改进的信任度计算 | 第37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 自适应推荐方法 | 第38-45页 |
| 4.1 概述 | 第38-39页 |
| 4.2 用户邻居集的选取 | 第39-40页 |
| 4.2.1 选取兴趣相似近邻用户集 | 第39-40页 |
| 4.2.2 选取可信近邻用户集 | 第40页 |
| 4.3 自适应推荐策略 | 第40-42页 |
| 4.3.1 概述 | 第40页 |
| 4.3.2 阈值设定 | 第40-41页 |
| 4.3.3 推荐策略 | 第41-42页 |
| 4.4 自适应推荐算法描述 | 第42-43页 |
| 4.5 参数的确定 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-49页 |
| 5.1 实验准备工作 | 第45-46页 |
| 5.1.1 实验数据集 | 第45页 |
| 5.1.2 实验环境 | 第45页 |
| 5.1.3 实验评价指标 | 第45-46页 |
| 5.2 算法验证及分析 | 第46-48页 |
| 5.2.1 对比算法简介 | 第47页 |
| 5.2.2 性能比较 | 第47-48页 |
| 5.2.3 实验结果分析 | 第48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
