| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 基于社交网络的信任模型 | 第11-12页 |
| 1.2.2 协同过滤推荐算法 | 第12页 |
| 1.2.3 基于信任模型的推荐算法 | 第12-13页 |
| 1.2.4 基于权威用户的推荐算法 | 第13页 |
| 1.3 研究目标与内容 | 第13-14页 |
| 1.4 研究方法与技术路线 | 第14页 |
| 1.5 组织结构 | 第14-16页 |
| 第二章 基于社交网络和评分信息的信任模型SRNT | 第16-27页 |
| 2.1 社交网络 | 第16-18页 |
| 2.1.1 社交网络定义 | 第16页 |
| 2.1.2 社交网络基础理论 | 第16-17页 |
| 2.1.3 具有信任关系的社交网络 | 第17-18页 |
| 2.2 信任 | 第18-20页 |
| 2.2.1 信任的定义 | 第18-19页 |
| 2.2.2 信任度的表示 | 第19页 |
| 2.2.3 信任的特性 | 第19-20页 |
| 2.3 基于社交网络和评分信息的信任模型SRNT | 第20-26页 |
| 2.3.1 SRNT模型的基本思想 | 第20-21页 |
| 2.3.2 直接信任度计算 | 第21-23页 |
| 2.3.3 信任路径上的信任传递 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 SRNT-REFERENTIALUSERWALKER模型 | 第27-42页 |
| 3.1 TrustWalker模型 | 第27-32页 |
| 3.1.1 TrustWalker基本思想 | 第27-29页 |
| 3.1.2 一趟随机游走过程 | 第29-31页 |
| 3.1.3 全局随机游走停止条件 | 第31页 |
| 3.1.4 评分预测 | 第31-32页 |
| 3.1.5 TrustWalker模型分析 | 第32页 |
| 3.2 SRNT-ReferentialUserWalker模型 | 第32-37页 |
| 3.2.1 SRNT-ReferentialUserWalker模型基本思想 | 第32-34页 |
| 3.2.2 信任网络预处理 | 第34-35页 |
| 3.2.3 一趟随机游走过程 | 第35-36页 |
| 3.2.4 全局随机游走停止条件 | 第36-37页 |
| 3.2.5 评分预测 | 第37页 |
| 3.3 相关实验结果和分析 | 第37-41页 |
| 3.3.1 实验数据集 | 第38页 |
| 3.3.2 实验参数设置 | 第38-39页 |
| 3.3.3 评价指标 | 第39页 |
| 3.3.4 实验结果与分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 SRNTA-REFERENTIALUSERWALKER推荐模型 | 第42-47页 |
| 4.1 用户领域权威性 | 第42页 |
| 4.2 用户领域权威性计算 | 第42-43页 |
| 4.2.1 领域经验丰富度 | 第42-43页 |
| 4.2.2 评分准确度 | 第43页 |
| 4.2.3 用户置信度 | 第43页 |
| 4.2.4 用户领域权威性 | 第43页 |
| 4.3 SRNTA-ReferentialUserWalker模型 | 第43-44页 |
| 4.4 相关实验结果与分析 | 第44-46页 |
| 4.4.1 惩罚阈值对推荐的影响 | 第44-45页 |
| 4.4.2 SRNT-ReferentialUserWalker与SRNTA-ReferentialUserWalker对比 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 原型推荐系统设计与实现 | 第47-55页 |
| 5.1 系统设计 | 第47-49页 |
| 5.1.1 交互层 | 第47-48页 |
| 5.1.2 业务逻辑层 | 第48页 |
| 5.1.3 数据层 | 第48-49页 |
| 5.2 数据库设计 | 第49-51页 |
| 5.3 系统实现与界面展示 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间科研成果 | 第62页 |
