| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 传统个性化推荐研究现状 | 第11-12页 |
| 1.2.2 社会化推荐研究现状 | 第12-13页 |
| 1.3 本文研究的问题 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 相关原理和技术 | 第15-25页 |
| 2.1 基于协同过滤的推荐系统 | 第15-20页 |
| 2.1.1 协同过滤推荐的原理 | 第15页 |
| 2.1.2 协同过滤推荐的工作过程 | 第15-16页 |
| 2.1.3 协同过滤推荐的分类 | 第16-20页 |
| 2.2 社会化推荐 | 第20-24页 |
| 2.2.1 社会化推荐概述 | 第20-21页 |
| 2.2.2 基于社会上下文信息建模的增强型推荐 | 第21-23页 |
| 2.2.3 社会上下文信息在推荐中的其它应用 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于用户社会活动和好友网络的推荐算法 | 第25-39页 |
| 3.1 用户需求分析 | 第26-28页 |
| 3.1.1 被推荐“不想错过”的话题 | 第26-27页 |
| 3.1.2 分享内容时被推荐相关的好友 | 第27-28页 |
| 3.2 推荐问题定义 | 第28-31页 |
| 3.2.1 用户之间的社会关系 | 第28-29页 |
| 3.2.2 用户的社会活动 | 第29-30页 |
| 3.2.3 问题定义 | 第30-31页 |
| 3.3 基于用户社会活动和好友网络的推荐算法-SoSAN | 第31-36页 |
| 3.3.1 用户之间的兴趣相似度 | 第33-34页 |
| 3.3.2 用户之间的关注度 | 第34-35页 |
| 3.3.3 用户之间的影响度 | 第35页 |
| 3.3.4 选择目标用户作出推荐 | 第35-36页 |
| 3.4 为分享者推荐好友的ComL模型 | 第36-37页 |
| 3.4.1 用户的分享习惯 | 第36-37页 |
| 3.4.2 ComL模型 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于用户社会活动和好友网络的推荐系统框架 | 第39-49页 |
| 4.1 基于用户社会活动和好友网络的推荐系统框架-AOPUT | 第39-46页 |
| 4.1.1 离线分析-OfflineAnalysis | 第42页 |
| 4.1.2 为用户推荐话题-Recder | 第42-45页 |
| 4.1.3 为分享者推荐好友列表-ShareAider | 第45-46页 |
| 4.2 通用性分析 | 第46-47页 |
| 4.3 响应性能分析 | 第47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 实验设计与分析 | 第49-55页 |
| 5.1 实验数据集 | 第49页 |
| 5.2 推荐算法评测方法 | 第49-51页 |
| 5.2.1 平均绝对误差 | 第49-50页 |
| 5.2.2 准确率和召回率 | 第50-51页 |
| 5.3 实验结果与分析 | 第51-54页 |
| 5.3.1 SoSAN算法推荐质量分析与比较 | 第51-53页 |
| 5.3.2 ComL模型推荐质量分析与比较 | 第53-54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 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
