基于信任机制的在线推荐系统研究

目录

声明

致谢

1 引言

1.1 背景和意义

1.2 国内外研究现状

1.2.1 推荐系统的研究现状

1.2.2 基于信任的推荐系统

1.2.3 数据处理技术的发展

1.3 本文的主要工作

1.4 论文结构安排

2 相关技术研究

2.1 推荐系统

2.1.1 推荐的目标

2.1.2 推荐的算法

2.2 协同过滤算法

2.2.1 基于记忆的协同过滤

2.2.2 基于模型的推荐算法

2.3 基于信任的推荐系统

2.3.1 信任的基本概念

2.3.2 基于信任的推荐算法

2.4 在线数据处理系统

2.4.1 在线数据处理的概念

2.4.2 在线数据处理的框架

2.4.3 在线数据处理的流程

2.5 本章小结

3 基于信任机制的推荐算法

3.1 矩阵分解的增量学习算法

3.1.1 矩阵分解的非完全增量学习算法

3.1.2 矩阵分解的完全增量学习算法

3.2 隐式信任矩阵的增量分解算法

3.3 基于信任机制的推荐算法

3.3.1 算法步骤

3.3.2 算法复杂度分析

3.4 实验结果与分析

3.4.1 实验数据集

3.4.2 实验的评测指标

3.4.3 实验步骤

3.4.4 实验结果分析

3.5 本章小结

4 基于信任机制的在线推荐系统

4.1 在线推荐系统

4.2 系统的需求分析

4.3 系统的架构设计

4.3.1 系统数据流

4.3.2 系统架构图

4.3.3 系统流程设计

4.4 系统的详细设计

4.4.1 系统数据库设计

4.4.2 系统服务的设计

4.5 系统实现与测试

4.5.1 系统实验环境

4.5.2 系统关键代码

4.5.3 系统界面截图

4.5.4 系统功能测试

4.5.5 系统非功能测试

4.6 本章小结

5 总结与展望

5.1 本文的工作总结

5.2 未来的工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集