声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 推荐算法的研究现状
1.2.2 用户影响力方法研究现状
1.3 论文主要研究内容
1.4 论文组织结构
第2章 相关理论与研究方法
2.1 协同过滤推荐算法简介
2.1.1 基于启发式的协同过滤算法
2.1.2 基于模型式的协同过滤算法
2.2 协同过滤推荐算法流程
2.2.1 用户-项目评价关系模型
2.2.2 相似度计算方法
2.2.3 评分预测方法
2.3 复杂网络的特征度量
2.3.1 度与介数
2.3.2 复杂网络的图表示方法
2.3.3 复杂网络的矩阵表示方法
2.4 本章小结
第3章 基于用户影响力和潜在因子的协同推荐方法
3.1 基于用户影响力的评分预测方法
3.1.1 基于用户影响力网络的建模
3.1.2 选择相似邻居
3.1.3 产生评分预测
3.2 基于潜在因子的评分预测方法
3.2.1 引入贡献因子的概念
3.2.2 时间衰减函数
3.2.3 引入贡献因子和时间衰减函数的评分预测方法
3.3 基于用户影响力和潜在因子的协同推荐方法
3.4 本章小结
第4章 实验与结果分析
4.1 实验内容
4.1.1 实验环境
4.1.2 实验数据集
4.1.3 推荐算法评价标准
4.2 参数分析与调优
4.3 实验结果与分析
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢