声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外相关研究
1.3 本文的主要内容
1.4 本文的结构安排
第二章 背景知识
2.1 推荐系统
2.2 推荐算法
2.2.1 基于内容的推荐算法
2.2.2 协同过滤推荐算法
2.2.3 组合推荐算法
2.3 矩阵分解模型
2.3.1 矩阵分解的方法
2.3.2 基于排序的矩阵分解模型
2.4 本章小结
第三章 相关工作
3.1 数据稀疏性问题及其主要成因
3.2 数据稀疏性问题对协同过滤推荐算法的影响
3.3 数据稀疏性问题现有的解决方法
3.3.1 通过提高评分矩阵的密度处理稀疏性问题
3.3.2 通过修正推荐的关键过程处理数据稀疏性问题
3.4 本章小结
第四章 集成社交网络信息的矩阵分解模型
4.1 正负例的抽取
4.2 集成社交网络中的隐反馈
4.2.1 隐反馈及其在矩阵分解中的作用
4.2.2 集成用户的好友关系
4.2.3 集成标签信息
4.2.4 集成用户的好友关系与标签信息
4.3 集成基于项目的近邻关系
4.3.1 矩阵分解模型的不足
4.3.2 近邻项目的获取
4.3.3 近邻模型与隐语义模型的融合
4.4 本章小结
第五章 实验结果及其分析
5.1 实验数据集
5.2 实验评价指标
5.3 社交网络中信息的作用
5.4 对比算法及其参数设定
5.5 对比试验
5.6 反例抽取的影响
5.7 本章小结
第六章 总结与展望
6.1 总结
6.2 未来展望
致谢
参考文献