声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景与意义
1.1.1 选题背景
1.1.2 选题意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究路线
1.4 本文研究内容
1.5 本文章节安排
第2章 个性化推荐方法与技术
2.1 数据挖掘与个性化推荐技术概论
2.2 推荐引擎工作原理
2.3 推荐系统的分类
2.3.1 基于内容的推荐
2.3.2 基于协同过滤的推荐
2.3.3 混合推荐算法
2.3.4 主要推荐算法比较
2.4 协同过滤推荐算法及评价标准
2.4.1 常见相似度定义及其计算方法
2.4.2 基于项目的协同过滤推荐算法
2.4.3 基于用户的协同过滤推荐算法
2.4.4 评价标准
2.5 个性化推荐面对的问题和挑战
2.6 本章小结
第3章 社交网络中推荐技术的应用
3.1 社交网络的特性
3.2 用户信息数据的分析
3.2.1 用户注册基本信息
3.2.2 用户标签信息
3.2.3 用户位置信息
3.2.4 用户行为信息
3.3 社交网络中的个性化推荐
3.3.1 推荐引擎架构
3.3.2 基于领域的社会化推荐
3.3.3 基于信息流的推荐
3.3.4 基于社交网络图谱的推荐
3.4 常用算法的比较
3.5 本章小结
第4章 基于用户相似度的协同过滤推荐算法
4.1 算法设计的依据
4.2 用户相似度及其描述
4.2.1 用户属性相似度
4.2.2 用户互动相似度
4.3 用户相似度的计算
4.4 推荐集产生过程及算法复杂度分析
4.4.1 推荐集产生过程
4.4.2 算法复杂度分析
4.5 本章小结
第5章 仿真实验及结果分析
5.1 仿真实验环境及实验数据
5.1.1 实验环境配置
5.1.2 Apache Mahout开源平台简介
5.2 实验数据获取
5.3 实验结果分析
5.3.1 评价标准
5.3.2 权重系数的确定
5.3.3 基线成功率比较
5.4 成功率、召回率、覆盖率比较
5.5 本章小结
结论与展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
附录B 攻读学位期间所参与的主要项目