基于社交网络和隐私保护的协同过滤推荐算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 相关技术综述 | 第15-26页 |
| ·推荐系统的定义 | 第15-17页 |
| ·推荐系统的基本原则 | 第17页 |
| ·基于内容的推荐 | 第17-19页 |
| ·协同过滤推荐 | 第19-21页 |
| ·基于内存的协同过滤推荐 | 第19-21页 |
| ·基于模型的协同过滤推荐 | 第21页 |
| ·机器学习相关理论 | 第21-23页 |
| ·Logistic回归 | 第22-23页 |
| ·Fisher线性判别 | 第23页 |
| ·社交网络分析 | 第23-26页 |
| ·基于社交网络局部信息的相似度指标 | 第24-25页 |
| ·基于社交网络全局信息的相似度指标 | 第25-26页 |
| 第3章 一种融合社交网络的改进协同过滤算法 | 第26-39页 |
| ·社交网络用户相似度 | 第26-29页 |
| ·社交网络用户相似度模型 | 第26-28页 |
| ·用户相似度的传递算法 | 第28-29页 |
| ·用户相似度评分的计算 | 第29页 |
| ·基于用户特征的改进协同过滤推荐算法 | 第29-33页 |
| ·用户特征分析 | 第29-31页 |
| ·改进算法分析 | 第31-33页 |
| ·评分的融合算法 | 第33页 |
| ·实验分析及结果 | 第33-37页 |
| ·实验数据集介绍 | 第33-34页 |
| ·实验方案设计 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 考虑用户隐私保护的推荐模型 | 第39-51页 |
| ·一种基于项目特征分组的用户隐私保护推荐算法 | 第39-45页 |
| ·推荐系统中的隐私问题 | 第39-41页 |
| ·推荐模型的建立与分析 | 第41-44页 |
| ·系统的实现框架 | 第44-45页 |
| ·实验结果及分析 | 第45-50页 |
| ·实验方案设计 | 第45-47页 |
| ·对比实验 | 第47页 |
| ·实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·课题展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-58页 |
| 详细摘要 | 第58-60页 |
