文摘
英文文摘
图目录
表目录
第1章 绪论
1.1 课题背景
1.2 研究意义
1.3 本文的主要工作
1.4 本文的组织结构
第2章 推荐系统与社会计算综述
2.1 推荐系统
2.1.1 推荐问题的定义
2.1.2 推荐系统的组成
2.1.3 推荐算法概述
2.1.4 推荐系统的国内外研究现状
2.2 社会计算
2.2.1 社会计算的定义
2.2.2 社会计算的框架
2.2.3 社会计算的理论与技术
2.3 本章小结
第3章 基于信任计算的商品推荐模型
3.1 基于用户的协同过滤推荐算法
3.1.1 算法框架
3.1.2 相似度计算
3.1.3 k邻居计算
3.1.4 推荐结果
3.2 基于信任挖掘的推荐算法
3.2.1 算法框架
3.2.2 信任集合的确定
3.2.3 推荐结果
3.3 基于用户相似度与信任挖掘的混合推荐算法
3.3.1 算法框架
3.3.2 线性组合
3.4 基于用户相似度和信任传递的混合推荐算法
3.4.1 算法框架
3.4.2 信任传递与信任组合
3.4.3 混合相似度计算
3.4.4 k邻居计算
3.4.5 推荐结果
3.5 本章小结
第4章 基于信任计算的推荐模型实验分析
4.1 实验数据与分析
4.1.1 评论数据分析
4.1.2 信任数据分析
4.2 实验设计
4.3 实验评价指标
4.4 实验结果
4.4.1 邻居参数k的取值实验
4.4.2 全局的覆盖率和精确率实验
4.4.3 可扩展性实验
4.4.4 Cold Start实验
4.4.5 实验结论
4.5 本章小结
第5章 基于兴趣计算的推荐模型
5.1 问题的提出和分析
5.2 基于商品的协同过滤推荐算法
5.2.1 算法框架
5.2.2 相似度计算
5.2.3 k邻居计算
5.2.4 推荐结果
5.3 基于兴趣计算的协同过滤推荐算法
5.3.1 算法框架
5.3.2 兴趣度计算函数
5.3.3 基于兴趣计算的相似度计算
5.3.4 k邻居计算
5.3.5 推荐结果
5.4 本章小结
第6章 基于兴趣计算的推荐模型实验分析
6.1 实验数据分析
6.2 实验设计
6.3 实验评价指标
6.4 实验结果
6.4.1 邻居参数k的取值实验
6.4.2 兴趣衰减系数取值实验
6.4.3 全局的覆盖率和精确率实验
6.4.4 实验结论
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
攻读硕士学位期间主要的研究成果
致谢