融合时间序列和好友关系的社交推荐算法研究

目录

声明

致谢

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

（1）基于社交网络的推荐算法

（2）基于机器学习的社交推荐算法

（3）基于用户上下文信息的社会化推荐算法

1.3 本文主要工作

1.4 论文结构安排

2 相关知识

2.1 推荐系统概述

2.1.1 推荐系统原理

2.1.2 推荐算法分类

2.2 常见的推荐算法和技术

2.2.1 基于内容的推荐算法

2.2.2 基于协同过滤的推荐算法

2.2.3 基于混合推荐算法

2.3 社交网络概述

2.3.1 社交网络信息

2.3.2 基于社交网络的推荐系统

2.4 基于矩阵分解的推荐算法

2.4.1 矩阵分解的基本原理

2.4.2 基于矩阵分解的经典推荐算法

2.4.3 矩阵分解的问题求解

2.5 本章小结

3 融合信任模型和用户行为的推荐算法

3.1 构建推荐用户局部信任网络图

3.2 基于社交网络的好友信任模型

(1)好友关系直接信任值的求取

(2)好友关系单路径间接信任值的求取

(3)好友关系多路径间接信任值的求取

3.3 基于用户行为的评分信任度计算

3.4 TM-UB算法描述

3.5.1 数据集描述

3.5.2 评价指标

3.5.3 对比算法

3.6 实验分析

3.6.1 参数的有效性

3.6.2 实验结果分析

3.7 本章小结

4 融合时间特性和矩阵分解的社交推荐算法

4.1 基于时间衰减函数的用户相似性度量

4.2 基于社交关系的动态矩阵分解模型

（1）用户评分兴趣偏好衰减

（2）用户全局社交关系信息建模

4.3 TC-MF算法描述

4.4.1 数据集描述

4.4.2 评价指标

4.4.3 对比算法

4.5 实验分析

（1）参数设置及影响分析

（2）对比实验分析

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集