声明
致谢
1 绪论
1.1 研究背景和选题意义
1.1.1 研究背景
1.1.2 选题意义
1.2 国内外研究现状
1.2.1 基于内容的推荐算法
1.2.2 基于近邻的协同过滤推荐算法
1.2.3 基于复杂网络的推荐算法
1.2.4 基于潜在特征模型的推荐算法
1.2.5 群组推荐算法
1.2.6 推荐算法面临的挑战
1.3 论文的主要研究内容
1.4 论文的组织结构
2 基于二部图的推荐算法
2.1 引言
2.2 基于混合相似性扩散的推荐算法
2.2.1 相似性计算方法
2.2.2 算法设计
2.2.3 实验与结果分析
2.3 基于节点度平衡的混合相似性扩散推荐算法
2.3.1 算法设计
2.3.2 实验与结果分析
2.4 本章小结
3 基于三部图的信任扩散推荐算法
3.1 引言
3.2 算法设计
3.2.1 信任扩散过程
3.2.2 基于节点度的余弦相似性
3.2.3 基于三部图的推荐算法
3.3 实验与结果分析
3.3.1 数据集
3.3.2 评价指标
3.3.3 对比方法
3.3.4 参数分析
3.3.5 算法性能评估
3.4 本章小结
4 基于虚拟协调者的信任感知群组推荐算法
4.1 引言
4.2 相关工作
4.2.1 朴素融合策略
4.2.2 基于矩阵分解的群组推荐算法
4.3 算法设计
4.3.1 算法总体框架
4.3.2 个体推荐算法
4.3.3 虚拟协调者偏好表示
4.3.4 信任感知的群组推荐算法
4.3.5 参数学习和预测
4.3.6 计算复杂度分析
4.4 实验与结果分析
4.4.1 数据集
4.4.2 评价指标
4.4.3 对比方法
4.4.4 算法性能评估
4.4.5 参数分析
4.5 本章小结
5 基于贝叶斯个性化排序的活动社交网络推荐算法
5.1 引言
5.2 相关工作
5.2.1 贝叶斯个性化排序算法
5.2.2 群组贝叶斯个性化排序算法
5.3 算法设计
5.3.1 线下活动分类方法
5.3.2 多层次对级偏好模型
5.3.3 平均偏好约束
5.3.4 参数学习与预测
5.4 实验与结果分析
5.4.1 数据集
5.4.2 评价指标
5.4.3 对比方法
5.4.4 算法性能评估
5.4.5 潜在特征数目的影响
5.5 本章小结
6 总结与展望
6.1 论文工作总结
6.2 后续研究展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;
