摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-10页 |
第一章 概述 | 第10-26页 |
·研究的背景以及意义 | 第10-11页 |
·国内外研究现状 | 第11-24页 |
·书签社会系统 | 第11-12页 |
·书签社会网络结构 | 第12-14页 |
·个性化推荐算法 | 第14-17页 |
·基于打分评价式的推荐 | 第14-15页 |
·基于标题内容式的推荐系统 | 第15-16页 |
·基于网络的推荐方法 | 第16-17页 |
·混合推荐(Hybrid Approach Recommendation) | 第17页 |
·个性化推荐评价指标 | 第17-22页 |
·打分式系统中的准确性指标 | 第18-19页 |
·查全率、查准率指标 | 第19-20页 |
·推荐的命中率指标 | 第20-21页 |
·推荐的新鲜性和意外性指标 | 第21页 |
·推荐的流行性以及推荐列表的多样性 | 第21-22页 |
·用户满意度指标 | 第22页 |
·书签社会系统用户行为智能感知的关键问题 | 第22-24页 |
·书签社会网络的构造与动态调整 | 第23-24页 |
·书签社会网络系统鲁棒性的问题 | 第24页 |
·根据用户行为的资源信息提取 | 第24页 |
·论文的主要工作以及论文结构 | 第24-26页 |
第二章 基于书签社会网络的用户兴趣空间 | 第26-57页 |
·相关概念 | 第26-29页 |
·空间填充曲线 | 第26-29页 |
·空间索引树 | 第29页 |
·兴趣特征空间的相关概念和构建 | 第29-32页 |
·网络资源以及网络用户兴趣度计算 | 第32-34页 |
·兴趣空间树 IFS-Tree 的构建 | 第34-37页 |
·网络资源的空间定位 | 第37-42页 |
·网络资源的空间定位 | 第38-40页 |
·网络用户的空间定位 | 第40-41页 |
·兴趣特征空间的动态更新 | 第41-42页 |
·社会网络兴趣空间模型的优化策略 | 第42-43页 |
·信息提取的优化策略 | 第42-43页 |
·兴趣度值的动态调整优化 | 第43页 |
·基于兴趣特征空间的用户兴趣智能感知 | 第43-55页 |
·基于当前对象定位点的兴趣偏好分析 | 第44-49页 |
·兴趣特征空间的兴趣匹配算法 | 第44-47页 |
·资源对象与用户对象之间的关系分析 | 第47-48页 |
·用户对象之间的偏好分析 | 第48-49页 |
·基于用户兴趣曲线的兴趣智能感知 | 第49-55页 |
·用户兴趣偏好变化频率 | 第50-52页 |
·用户偏好倾向预测以及推荐 | 第52-55页 |
·小结 | 第55页 |
·本章小结 | 第55-57页 |
第三章 用户关系中的群组发现 | 第57-76页 |
·引言 | 第57页 |
·传统社团结构挖掘 | 第57-59页 |
·最大亚频繁模式 | 第59-72页 |
·传统挖掘最大频繁项的方法研究 | 第60页 |
·相关概念和术语 | 第60页 |
·亚频繁模式 | 第60-63页 |
·MSFP-Mining 主要过程以及优化策略 | 第63-72页 |
·AFP-Tree(Ascending Frequent Pattern-Tree) | 第64-65页 |
·CMP-Tree(Conditional Mix Pattern Tree) | 第65-67页 |
·SFP-Tree(Supplemental Frequent patterns-Tree) | 第67-68页 |
·CFP-Tree(Conditional Frequently Pattern-Tree) | 第68-70页 |
·MSFP-Mining 算法以及生成实例 | 第70-72页 |
·社会网络树结构模型 | 第72-74页 |
·本章小结 | 第74-76页 |
第四章 实验部分 | 第76-84页 |
·基于兴趣特征空间的推荐实验 | 第76-79页 |
·基于用户群组的推荐实验 | 第79-84页 |
·基于最大亚频繁模式的实验室性能 | 第80-84页 |
·时间性能 | 第80-82页 |
·模式规模扩展性能 | 第82-84页 |
第五章 文章总结 | 第84-86页 |
·文章主要的创新点 | 第84-85页 |
·进一步研究计划 | 第85-86页 |
参考文献 | 第86-92页 |
作者在读期间科研成果简介 | 第92-93页 |
致谢 | 第93页 |