基于社交网络的个性化推荐算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景与研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 协同过滤推荐算法研究现状 | 第11-13页 |
| 1.2.2 基于社交网络的个性化推荐算法研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-18页 |
| 第2章 相关知识概述 | 第18-36页 |
| 2.1 社交网络相关知识概述 | 第18-25页 |
| 2.1.1 社交网络发展及相关理论概述 | 第18-19页 |
| 2.1.2 社交网络与复杂网络 | 第19-22页 |
| 2.1.3 社区结构 | 第22-23页 |
| 2.1.4 经典社区结构发现算法 | 第23-25页 |
| 2.2 个性化推荐技术 | 第25-33页 |
| 2.2.1 个性化推荐技术概述 | 第25-29页 |
| 2.2.2 社交网络中常用的个性化推荐算法 | 第29-33页 |
| 2.3 社交网络个性化推荐算法常用评价方法 | 第33-34页 |
| 2.3.1 推荐列表用户相似度均值 | 第33-34页 |
| 2.3.2 准确率和召回率 | 第34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于兴趣传递的好友推荐算法 | 第36-50页 |
| 3.1 问题描述 | 第36页 |
| 3.2 基于兴趣传递的好友推荐算法 | 第36-41页 |
| 3.2.1 用户兴趣相似度计算 | 第36-38页 |
| 3.2.3 用户相似度传递 | 第38-39页 |
| 3.2.4 算法执行过程 | 第39-41页 |
| 3.3 实验与仿真 | 第41-49页 |
| 3.3.1 实验概述 | 第41-42页 |
| 3.3.2 调和参数取值分析 | 第42-47页 |
| 3.3.3 算法用户相似度均值对比分析 | 第47-48页 |
| 3.3.4 算法准确率对比分析 | 第48页 |
| 3.3.5 算法召回率对比分析 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于相似社区的好友列表扩充算法 | 第50-66页 |
| 4.1 问题提出 | 第50页 |
| 4.2 相关工作 | 第50-51页 |
| 4.2.1 权威用户 | 第50页 |
| 4.2.2 显性比较优势指数 | 第50-51页 |
| 4.2.3 Apriori关联规则频繁项算法 | 第51页 |
| 4.3 基于相似社区的好友列表扩充算法 | 第51-56页 |
| 4.3.1 权威用户获取 | 第51-52页 |
| 4.3.2 社区关键词获取 | 第52-53页 |
| 4.3.3 社区关键词相似度计算 | 第53-54页 |
| 4.3.4 社区关键词关联度计算 | 第54-55页 |
| 4.3.5 产生推荐 | 第55页 |
| 4.3.6 算法执行流程 | 第55-56页 |
| 4.4 实验与分析 | 第56-64页 |
| 4.4.1 实验简介 | 第56页 |
| 4.4.2 算法权威用户筛选对比分析 | 第56-59页 |
| 4.4.3 与CUPC最小社区用户相似度均值对比 | 第59-62页 |
| 4.4.4 与CUPC算法准确率对比 | 第62-63页 |
| 4.4.5 与CUPC算法召回率对比 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 结论 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间的研究成果 | 第72页 |
