| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 论文组织架构 | 第13-15页 |
| 第二章 相关理论与技术的综述 | 第15-24页 |
| 2.1 常用推荐算法 | 第15-22页 |
| 2.1.1 基于内容的推荐算法 | 第15-17页 |
| 2.1.2 基于协同过滤的推荐算法 | 第17-20页 |
| 2.1.3 基于关联规则的推荐算法 | 第20-21页 |
| 2.1.4 混合推荐算法 | 第21-22页 |
| 2.2 三部图理论与原理 | 第22-23页 |
| 2.2.1 二部图的介绍 | 第22页 |
| 2.2.2 三部图的介绍 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于加权三部图模型的推荐算法 | 第24-43页 |
| 3.1 基于二部图的推荐算法 | 第24-26页 |
| 3.2 基于三部图的推荐算法 | 第26-28页 |
| 3.3 基于加权三部图的推荐算法 | 第28-42页 |
| 3.3.1 重要性权重计算 | 第29-32页 |
| 3.3.2 用户兴趣迁移研究 | 第32-34页 |
| 3.3.3 加权三部图模型的构建 | 第34-37页 |
| 3.3.4 物质扩散算法 | 第37-39页 |
| 3.3.5 热量传导算法 | 第39-41页 |
| 3.3.6 WTG的物品资源整合 | 第41-42页 |
| 3.3.7 算法性能分析 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 仿真实验及实验结果分析 | 第43-54页 |
| 4.1 数据介绍与预处理 | 第43-48页 |
| 4.1.1 数据介绍 | 第43页 |
| 4.1.2 数据预处理 | 第43-48页 |
| 4.2 评价指标介绍 | 第48-49页 |
| 4.3 实验结果分析 | 第49-53页 |
| 4.3.1 物质扩散算法与热量传导算法混合比例参数的验证与分析 | 第50-51页 |
| 4.3.2 用户兴趣迁移时间因子t_0的验证与分析 | 第51-52页 |
| 4.3.3 WTG算法与其他推荐算法的对比与分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |