| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究意义与背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·攻击检测 | 第9-10页 |
| ·协同过滤算法 | 第10-11页 |
| ·课题的主要内容和创新点 | 第11-12页 |
| ·本文的论文框架 | 第12-13页 |
| 第二章 相关知识 | 第13-25页 |
| ·协同过滤算法原理介绍 | 第13-16页 |
| ·传统协同过滤算法流程 | 第14-16页 |
| ·协同过滤算法的分类 | 第16-18页 |
| ·基于内存的协同过滤算法 | 第17页 |
| ·基于模型的协同过滤算法 | 第17-18页 |
| ·协同过滤推荐系统中的攻击问题分析 | 第18-24页 |
| ·攻击的概念 | 第18页 |
| ·攻击的目的 | 第18-19页 |
| ·攻击成本 | 第19页 |
| ·主要攻击模型及其特征 | 第19-21页 |
| ·攻击检测常用方法 | 第21-23页 |
| ·攻击检测评价 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 用户概貌攻击检测算法 | 第25-37页 |
| ·推荐系统的攻击概况 | 第25-26页 |
| ·检测算法的相关研究 | 第26-30页 |
| ·UnRAP攻击检测概貌算法 | 第26-27页 |
| ·PCA VarSelect | 第27-29页 |
| ·算法分析 | 第29页 |
| ·改进思路 | 第29-30页 |
| ·融合时间序列分析的攻击检测算法(T-UnRAP) | 第30-33页 |
| ·实验分析 | 第33-36页 |
| ·数据集 | 第33页 |
| ·度量标准 | 第33页 |
| ·实验结果 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 协同过滤算法的进一步研究 | 第37-49页 |
| ·协同过滤算法 | 第37-39页 |
| ·相似度计算 | 第37-38页 |
| ·生成推荐 | 第38页 |
| ·算法分析 | 第38-39页 |
| ·改进算法 | 第39-44页 |
| ·算法思路 | 第39-40页 |
| ·改进相似度的预测评分算法 | 第40-41页 |
| ·专家信任度 | 第41-43页 |
| ·基于专家信任度的预测评分算法 | 第43-44页 |
| ·算法复杂度分析 | 第44页 |
| ·实验分析 | 第44-48页 |
| ·数据集 | 第44页 |
| ·度量标准 | 第44-45页 |
| ·改进相似度算法的比较 | 第45页 |
| ·相似度分布 | 第45-46页 |
| ·不同比例的x中精度对比 | 第46页 |
| ·相同比例的x中精度对比 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 个性化推荐系统设计与实现 | 第49-54页 |
| ·系统结构 | 第49页 |
| ·软件系统实现 | 第49-53页 |
| ·系统软件介绍 | 第49-50页 |
| ·数据库设计 | 第50-51页 |
| ·登录注册模块 | 第51页 |
| ·评分留言模块 | 第51-52页 |
| ·恶意攻击检测模块 | 第52页 |
| ·标签搜索和推荐模块 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 作者简介 | 第61-62页 |
| 致谢 | 第62页 |