声明
摘要
第1章 绪论
1.1 研究背景
1.2 研究内容及意义
1.3 研究现状
1.3.1 协同过滤算法
1.3.2 社会网络中的推荐算法
1.4 本文的贡献及创新点
1.5 本文的组织结构
第2章 本文涉及的基础算法和数据集
2.1 基础算法介绍
2.1.1 矩阵分解技术
2.1.2 SoRec方法
2.1.3 SocialMF方法
2.1.4 面向排序的BPR算法
2.2 数据集介绍
2.2.1 腾讯微博数据集
2.2.2 Epinions数据集
2.2.3 Ciao数据集
2.3 本章小结
第3章 结合item间关联关系的推荐算法
3.1 推荐方法
3.1.1 问题描述
3.1.2 结合item间关联关系的推荐方法
3.2 实验结果与分析
3.2.1 数据集
3.2.2 评价方法
3.2.3 结果比较
3.2.4 参数的影响
3.2.5 关联关系的计算方法比较
3.3 本章小结
第4章 信任关系强度敏感的社会化推荐算法
4.1 基于信任关系的推荐方法
4.1.1 问题描述
4.1.2 信任关系的建模方法
4.1.3 信任关系虽度敏感的推荐方法
4.1.4 InfluenceMF方法
4.2 实验结果与分析
4.2.1 数据集和评价方法
4.2.2 结果比较
4.2.3 参数的影响
4.2.4 验证信任关系的准确性
4.3 本章小结
第5章 基于社会关系上下文的推荐算法
5.1 问题描述
5.2 推荐框架
5.2.1 基于上下文信息的推荐方法
5.2.2 基于共同朋友的约束条件
5.2.3 优化方法
5.2.4 时间复杂性分析
5.3 实验结果分析
5.3.1 数据集
5.3.2 评价标准
5.3.3 结果比较
5.3.4 参数的影响
5.4 本章小结
第6章 基于信任关系的社会化排序算法
6.1 推荐方法
6.1.1 问题描述
6.1.2 基于信任关系的排序策略
6.1.3 多类别系统中的信任关系推断
6.1.4 最终的排序算法
6.2 数据分析和实验结果
6.2.1 数据集
6.2.2 信任网络与用户兴趣之问的关系
6.2.3 信任关系的多样性分析
6.2.4 实验结果比较
6.2.5 参数的影响
6.2.6 冷启动条件下的推荐结果
6.3 本章小结
第7章 总结与展望
7.1 主要工作总结
7.2 未来工作展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况
攻读学位期间获奖情况
外文论文
山东大学;