论文目录 | |
摘要 | 第1-6页 |
Abstract | 第6-9页 |
第1章 绪论 | 第9-17页 |
1.1 课题背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-15页 |
1.2.1 协同过滤算法研究现状 | 第10-12页 |
1.2.2 基于社会化网络信息的协同过滤算法研究现状 | 第12-15页 |
1.3 本文研究内容 | 第15-16页 |
1.4 本文组织结构 | 第16-17页 |
第2章 相关技术介绍 | 第17-25页 |
2.1 传统协同过滤算法 | 第17-21页 |
2.1.1 基于内存的协同过滤推荐方法 | 第18-20页 |
2.1.2 基于模型的协同过滤推荐方法 | 第20-21页 |
2.2 时间上下文 | 第21-22页 |
2.3 长尾理论 | 第22-23页 |
2.4 算法评价指标 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第3章 基于社会信任关系模型的用户相似度计算方法 | 第25-37页 |
3.1 社会信任关系模型 | 第25-27页 |
3.1.1 信任关系特点分析 | 第25-27页 |
3.1.2 信任关系网络 | 第27页 |
3.2 基于社会信任关系模型的用户相似性计算方法 | 第27-35页 |
3.2.1 基于社会网络的用户相似性计算方法框架 | 第28-29页 |
3.2.2 信任网络模型的构建 | 第29页 |
3.2.3 基于路径的信任值计算 | 第29-32页 |
3.2.4 信任圈指数计算 | 第32-33页 |
3.2.5 基于信任网络的用户相似度计算 | 第33-35页 |
3.3 本章小结 | 第35-37页 |
第4章 基于社会网络信息的协同过滤推荐方法 | 第37-47页 |
4.1 基于社会网络信息的协同过滤推荐方法框架设计 | 第37-39页 |
4.2 基于社会信任用户相似度构建信任用户-项目评分矩阵 | 第39页 |
4.3 基于项目置信度和时间上下文的用户相似度计算 | 第39-44页 |
4.3.1 项目置信度计算 | 第40-42页 |
4.3.2 时间上下文计算 | 第42-43页 |
4.3.3 信任用户相似度计算 | 第43-44页 |
4.4 基于预测目标用户评分获取推荐列表 | 第44-46页 |
4.5 本章小结 | 第46-47页 |
第5章 实验结果及分析 | 第47-59页 |
5.1 数据集及实验方法 | 第47-49页 |
5.2 全局、局部信任权值α对算法性能的影响分析 | 第49-50页 |
5.3 时间衰减参数μ对算法的影响分析 | 第50-52页 |
5.4 社会信任关系对算法性能的影响分析 | 第52-54页 |
5.4.1 信任相似度和用户兴趣相似度权值β对算法性能的影响分析 | 第52-53页 |
5.4.2 社会信任关系用户相似度对推荐准确率的影响分析 | 第53-54页 |
5.5 算法的准确度、覆盖率对比与分析 | 第54-57页 |
5.6 本章小结 | 第57-59页 |
结论 | 第59-61页 |
参考文献 | 第61-66页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
致谢 | 第67页 |