基于信任的电子商务个性化推荐关键问题研究
摘要 | 第1-12页 |
Abstract | 第12-14页 |
1 绪论 | 第14-26页 |
·研究背景和意义 | 第14-15页 |
·关键概念和研究范畴的界定 | 第15-23页 |
·推荐系统 | 第15-17页 |
·个性化推荐 | 第17-18页 |
·协同过滤 | 第18-19页 |
·信任 | 第19-23页 |
·研究内容与论文结构 | 第23-24页 |
·创新之处 | 第24-25页 |
·小结 | 第25-26页 |
2 电子商务个性化推荐技术研究综述 | 第26-48页 |
·引言 | 第26页 |
·电子商务推荐系统的输入瑜出 | 第26-28页 |
·电子商务推荐系统的输入 | 第26-28页 |
·电子商务推荐系统的输出 | 第28页 |
·个性化推荐技术 | 第28-35页 |
·基于内容的推荐 | 第29-30页 |
·协同过滤推荐 | 第30-32页 |
·基于人口统计的推荐 | 第32-33页 |
·基于效用的推荐 | 第33页 |
·基于知识的推荐 | 第33页 |
·基于关联规则的推荐 | 第33页 |
·组合推荐 | 第33-35页 |
·基于用户的协同过滤推荐算法 | 第35-37页 |
·传统的相似性度量方法 | 第35-37页 |
·推荐系统评价 | 第37-39页 |
·评价指标 | 第37-38页 |
·数据集 | 第38-39页 |
·协同过滤研究热点分析 | 第39-47页 |
·稀疏性问题 | 第39-40页 |
·冷启动问题 | 第40-41页 |
·“托”攻击 | 第41-46页 |
·伸缩性问题 | 第46页 |
·黑匣子问题 | 第46-47页 |
·小结 | 第47-48页 |
3 信任特性及信任度评估模型分析 | 第48-63页 |
·信任特性 | 第48-50页 |
·信任网 | 第50-51页 |
·信任度评估模型分析 | 第51-62页 |
·全局信任度度量模型 | 第52-55页 |
·局部信任度度量模型 | 第55-62页 |
·小结 | 第62-63页 |
4 基于信任的电子商务个性化推荐理论研究 | 第63-73页 |
·信任与用户相似性 | 第63-64页 |
·Web社会网络 | 第64-65页 |
·基于信任的电子商务个性化推荐模型 | 第65-68页 |
·基于信任的电子商务个性化推荐系统框架 | 第68-71页 |
·新系统对传统协同过滤问题影响分析 | 第71-72页 |
·小结 | 第72-73页 |
5 用户多兴趣下基于信任的个性化推荐算法研究 | 第73-89页 |
·算法的提出 | 第73-75页 |
·传统协同过滤系统中的用户多兴趣推荐问题 | 第73-74页 |
·TEPRS中的用户多兴趣推荐问题 | 第74-75页 |
·基于主题级信任的协同过滤算法 | 第75-78页 |
·主题级信任模型 | 第75-76页 |
·主题级信任度的计算 | 第76-78页 |
·基于主题级信任的协同过滤算法 | 第78页 |
·实验评价 | 第78-88页 |
·评估指标 | 第79-80页 |
·实验设计 | 第80-81页 |
·实验结果 | 第81-87页 |
·分析讨论 | 第87-88页 |
·小结 | 第88-89页 |
6 推荐列表多样性研究 | 第89-101页 |
·推荐列表多样性问题 | 第89-90页 |
·相关的研究分析 | 第90-93页 |
·基于领域分类知识的相似性度量推荐模型 | 第90-92页 |
·推荐多样性 | 第92-93页 |
·推荐列表多样性度量方法 | 第93-94页 |
·多样性推荐算法 | 第94-96页 |
·多样性推荐解决思路 | 第94页 |
·算法描述 | 第94-96页 |
·实验评价 | 第96-100页 |
·实验数据集与评估指标 | 第96-97页 |
·实验结果与分析 | 第97-100页 |
·小结 | 第100-101页 |
7 基于信任的个性化推荐系统推荐攻击研究 | 第101-111页 |
·TEPRS中的推荐攻击问题 | 第101-103页 |
·相关的研究分析 | 第103-105页 |
·网页排名欺诈 | 第103页 |
·信任模型中的恶意攻击 | 第103-105页 |
·不信任特性分析 | 第105-108页 |
·不信任的传递 | 第107页 |
·不信任度的计算 | 第107-108页 |
·数据起源法 | 第108-109页 |
·实验分析 | 第109-110页 |
·小结 | 第110-111页 |
8 总结与展望 | 第111-113页 |
参考文献 | 第113-127页 |
攻读博士期间发表和录用的文章 | 第127-128页 |
致谢 | 第128页 |