| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 推荐算法的国内外研究现状 | 第12-14页 |
| 1.2.2 社交网络中信任度的推荐研究现状 | 第14页 |
| 1.2.3 现有研究的不足 | 第14-15页 |
| 1.3 论文组织结构及内容安排 | 第15-17页 |
| 第2章 相关技术概述 | 第17-25页 |
| 2.1 社交网络相关研究 | 第17-20页 |
| 2.1.1 社交网络 | 第17-18页 |
| 2.1.2 社交网络中信任度的相关理论研究 | 第18-20页 |
| 2.2 推荐算法相关研究 | 第20-24页 |
| 2.2.1 协同过滤算法 | 第20-22页 |
| 2.2.2 基于内容的推荐算法 | 第22-23页 |
| 2.2.3 矩阵分解 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于用户偏差度的双网络时域演化模型 | 第25-39页 |
| 3.1 引言 | 第25-30页 |
| 3.1.1 用户信任度网络的构建 | 第26-29页 |
| 3.1.2 用户相似度网络的构建 | 第29-30页 |
| 3.2 用户信任度动态推荐算法 | 第30-31页 |
| 3.3 融合用户相似度与信任度的推荐算法 | 第31页 |
| 3.4 实验结果与分析 | 第31-37页 |
| 3.4.1 数据集及评价指标 | 第31-33页 |
| 3.4.2 实验结果与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 社交网络中融合多因素的微视频个性化推荐算法 | 第39-57页 |
| 4.1 引言 | 第39-40页 |
| 4.2 用户多因素的微视频个性化推荐 | 第40-46页 |
| 4.2.1 微视频推荐框架 | 第40-42页 |
| 4.2.2 社交网络信任度 | 第42页 |
| 4.2.3 主题 | 第42-44页 |
| 4.2.4 情感分析 | 第44-46页 |
| 4.3 融合多因素的推荐算法 | 第46-51页 |
| 4.3.1 数学符号与基础模型 | 第47页 |
| 4.3.2 引入多因素的模型 | 第47-51页 |
| 4.4 实验分析 | 第51-55页 |
| 4.4.1 实验设置 | 第51-52页 |
| 4.4.2 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |