| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 推荐系统的国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第2章 推荐系统相关知识 | 第21-35页 |
| 2.1 推荐系统简介 | 第21-22页 |
| 2.2 个性化推荐的相关技术 | 第22-25页 |
| 2.2.1 协同过滤推荐算法 | 第22-23页 |
| 2.2.2 基于内容的推荐算法 | 第23-25页 |
| 2.3 协同过滤推荐算法 | 第25-30页 |
| 2.3.1 基于项目的协同过滤推荐 | 第25-26页 |
| 2.3.2 基于用户的协同过滤推荐 | 第26-27页 |
| 2.3.3 计算相似度 | 第27-29页 |
| 2.3.4 选择近邻 | 第29-30页 |
| 2.3.5 计算预测评分生成推荐 | 第30页 |
| 2.4 推荐算法的评价指标 | 第30-32页 |
| 2.4.1 离线评价方法 | 第31-32页 |
| 2.5 推荐系统面临的问题 | 第32-34页 |
| 2.5.1 评分矩阵稀疏性问题 | 第32-33页 |
| 2.5.2 冷启动问题 | 第33页 |
| 2.5.3 实时性和可扩展性问题 | 第33页 |
| 2.5.4 社会推荐 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于信任传播的推荐算法 | 第35-45页 |
| 3.1 信任网络 | 第35-37页 |
| 3.2 信任传播机制 | 第37-41页 |
| 3.2.1 信任传播相关定义 | 第37-39页 |
| 3.2.2 信任传播的基本思想 | 第39-41页 |
| 3.3 信任传播算法 | 第41-43页 |
| 3.4 本章总结 | 第43-45页 |
| 第4章 融合信任传播和奇异值分解的推荐模型 | 第45-55页 |
| 4.1 奇异值分解 | 第45-48页 |
| 4.1.1 矩阵分解模型 | 第46-47页 |
| 4.1.2 奇异值分解 | 第47页 |
| 4.1.3 改进的奇异值分解算法(SVD++) | 第47-48页 |
| 4.2 基于奇异值分解的推荐模型原理 | 第48-49页 |
| 4.3 改进的奇异值分解模型(SocialSVD) | 第49-51页 |
| 4.4 改进的奇异值分解模型(SocialSVD)的推荐流程 | 第51-52页 |
| 4.5 改进的奇异值分解模型(SociaSVD)复杂度分析 | 第52页 |
| 4.6 本章小结 | 第52-55页 |
| 第5章 实验设计及结果分析 | 第55-63页 |
| 5.1 实验环境与实验数据集 | 第55页 |
| 5.2 实验评价标准 | 第55-56页 |
| 5.3 影响参数p对实验结果的影响 | 第56-57页 |
| 5.4 试验结果分析 | 第57-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 对未来工作的展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附录A 攻读硕士学位期间发表论文与申请软件著作权 | 第73-75页 |
| 附录B 攻读硕士学位期间参与的研究工作 | 第75页 |
