声明
致谢
摘要
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 推荐系统实例
1.2.2 推荐算法研究现状
1.3 研究内容
1.4 论文结构
2 推荐系统概述
2.1 推荐技术概述
2.1.1 协同过滤推荐技术
2.1.2 基于内容的推荐技术
2.1.3 基于关联规则的推荐技术
2.1.4 混合推荐技术
2.2 常用的协同过滤算法
2.2.1 基于内存的推荐算法
2.2.2 基于模型的推荐算法
2.3 推荐算法的问题
2.3.1 数据稀松问题
2.3.2 冷启动问题
2.3.3 信任问题
2.4 推荐算法评价标准
2.4.1 实验数据集
2.4.2 算法评估指标
2.5 本章小结
3 信任网络的相关理论
3.1 信任的概念
3.2 信任的性质及相关定义
3.2.1 信任的性质
3.2.2 信任的分类
3.3 信任的传递及其应用
3.3.1 信任传递的作用
3.3.2 基于信任的推荐模型
3.4 本章小结
4 改进的协同过滤推荐算法
4.1 问题的提出与分析
4.1.1 传统相似性度量方法弊端
4.1.2 信任关系对推荐的影响
4.1.3 信息过期问题
4.2 算法改进
4.2.1 改进的用户相似性度量算法
4.2.2 信任模型建立
4.2.3 引入时间权重函数
4.3 算法改进分析
4.4 本章小结
5 实验设计与结果分析
5.1 实验目的
5.2 实验准备
5.2.1 实验数据及评价指标
5.2.2 实验环境
5.3 实验设计方案及结果
5.3.1 实验方案
5.3.2 实验结果
5.4 本章总结
6 总结与展望
6.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集