| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 协同过滤推荐的研究现状 | 第12-13页 |
| 1.2.2 社会化推荐的研究现状 | 第13-15页 |
| 1.2.3 上下文感知推荐的研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 基于相似性和相似性可信度的协同过滤推荐算法 | 第18-37页 |
| 2.1 评分稀疏性问题分析 | 第18-19页 |
| 2.2 概率矩阵分解模型 | 第19-21页 |
| 2.3 一种基于相似性和相似性可信度的协同过滤推荐算法 | 第21-27页 |
| 2.3.1 相似性可信度 | 第21-22页 |
| 2.3.2 基于相似性和相似性可信度的协同过滤推荐算法 | 第22-24页 |
| 2.3.3 模型求解及算法流程 | 第24-26页 |
| 2.3.4 计算复杂度分析 | 第26-27页 |
| 2.4 实验与分析 | 第27-36页 |
| 2.4.1 实验数据集和评价指标 | 第27-28页 |
| 2.4.2 推荐效果对比 | 第28-30页 |
| 2.4.3 评分稀疏性影响对比 | 第30-32页 |
| 2.4.4 相似性可信度阈值θ和β的影响 | 第32-34页 |
| 2.4.5 相似性正则化参数λ_D和λ_S的影响 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于社交活跃度和信任增强的社会化推荐算法 | 第37-52页 |
| 3.1 信任稀疏性问题分析 | 第37-38页 |
| 3.2 SocialMF 推荐算法 | 第38-39页 |
| 3.3 一种基于社交活跃度和信任增强的社会化推荐算法 | 第39-46页 |
| 3.3.1 社交活跃度 | 第40-41页 |
| 3.3.2 基于社交活跃度和信任增强的社会化推荐算法 | 第41-44页 |
| 3.3.3 模型求解及算法流程 | 第44-45页 |
| 3.3.4 计算复杂度分析 | 第45-46页 |
| 3.4 实验与分析 | 第46-51页 |
| 3.4.1 实验数据集与评价指标 | 第46页 |
| 3.4.2 推荐效果对比 | 第46-48页 |
| 3.4.3 信任稀疏性影响对比 | 第48-50页 |
| 3.4.4 信任增强系数q的影响 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 面向项目的上下文聚类的上下文感知推荐算法 | 第52-69页 |
| 4.1 上下文信息导致的数据稀疏性问题分析 | 第52-54页 |
| 4.2 Biases MF推荐模型 | 第54-55页 |
| 4.3 一种面向项目的上下文聚类的上下文感知推荐算法 | 第55-62页 |
| 4.3.1 面向项目的上下文聚类算法 | 第55-57页 |
| 4.3.2 面向项目的上下文聚类的上下文感知推荐算法 | 第57-60页 |
| 4.3.3 模型求解及算法流程 | 第60-61页 |
| 4.3.4 计算复杂度分析 | 第61-62页 |
| 4.4 实验与分析 | 第62-68页 |
| 4.4.1 实验数据集与评价指标 | 第62-63页 |
| 4.4.2 推荐效果对比 | 第63-64页 |
| 4.4.3 数据稀疏性影响对比 | 第64-66页 |
| 4.4.4 算法参数P和δ的影响 | 第66-67页 |
| 4.4.5 上下文类簇正则化系数λ_Q的影响 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第77页 |
