| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 社交网络研究 | 第10-11页 |
| 1.2.2 个性化推荐系统介绍 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 第2章 个性化推荐技术与排序技术 | 第13-23页 |
| 2.1 传统推荐系统介绍 | 第13-15页 |
| 2.2 机器学习排序方法介绍 | 第15-18页 |
| 2.3 Listwise方法介绍 | 第18-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 社交网络@行为用户推荐算法的排序函数与特征抽取 | 第23-27页 |
| 3.1 问题描述 | 第23页 |
| 3.2 信任排序函数 | 第23-24页 |
| 3.3 命名实体识别 | 第24页 |
| 3.4 特征选取 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第4章 @行为推荐的投票协同过滤算法与机器学习排序算法及其实验分析 | 第27-42页 |
| 4.1 实验数据 | 第27页 |
| 4.2 评测指标 | 第27-28页 |
| 4.3 基于社交网@行为投票的协同过滤算法 | 第28-31页 |
| 4.4 关于基于@行为的协同过滤的算法与其他基本算法对比 | 第31-34页 |
| 4.5 推荐名单长度问题 | 第34-35页 |
| 4.6 基于机器学习排序的@用户推荐算法 | 第35-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第5章 基于因子图的@行为推荐方法 | 第42-51页 |
| 5.1 背景 | 第42-43页 |
| 5.2 因子图模型基本概念与框架 | 第43-45页 |
| 5.3 基于@行为的因子图模型 | 第45-48页 |
| 5.4 实验分析 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表论文与研究成果清单 | 第56-57页 |
| 致谢 | 第57页 |
