网络科学视角下的推荐系统研究 目录

第1章 绪论 .. 1
1.1 研究背景与意义2
1.1.1 研究背景2
1.1.2 研究意义5
1.2 国内外研究现状6
1.2.1基础研究现状6
1.2.2 协同过滤研究现状8
1.2.3 基于网络科学的研究现状 . 10
1.2.4 基于信任网络的研究现状 . 12
1.2.5 文献综述 . 15
1.3 研究内容与创新点17
1.3.1 研究内容 . 17
1.3.2 主要创新点19
第2章 相关理论基础21
2.1概述 .. 22
2.1.1基础 .. 22
第1章 绪论 .. 1
1.1 研究背景与意义2
1.1.1 研究背景2
1.1.2 研究意义5
1.2 国内外研究现状6
1.2.1基础研究现状6
1.2.2 协同过滤研究现状8
1.2.3 基于网络科学的研究现状 . 10
1.2.4 基于信任网络的研究现状 . 12
1.2.5 文献综述 . 15
1.3 研究内容与创新点17
1.3.1 研究内容 . 17
1.3.2 主要创新点19
第2章 相关理论基础21
2.1概述 .. 22
2.1.1基础 .. 22
第4章 基于选择性随机游走的协同过滤算法研究 . 62
4.1 基于用户的协同过滤算法 . 63
4.2 基于显式数据的选择性随机游走协同过滤算法 . 64
4.2.1 算法假设 . 64
4.2.2 用户相似度计算 . 66
4.2.3 算法步骤 . 70
4.2.4 基于Movielens和Netflix数据的实验验证 .. 70
4.3 基于隐式数据的选择性随机游走协同过滤算法 . 76
4.3.1 隐式数据的选择性随机游走 .. 76
4.3.2 项目评分预测 .. 78
4.3.3 算法步骤 . 79
4.3.4 基于数据的实验验证79
第5章 考虑隐性信任的协同过滤算法研究 85
5.1 TBCF算法 .. 86
5.1.1 TBCF算法流程87
5.1.2 TBCF算法存在的问题88
5.2 ITBCF算法研究 . 88
5.2.1 用户隐性信任关系挖掘 . 89
5.2.2 用户信任度计算 . 90
5.2.3 算法步骤 . 92
5.3 实验与分析93
5.3.1 数据集介绍93
5.3.2 评价标准 . 95
5.3.3 实验结果对比分析95
第6章 考虑用户社交信任和兴趣的协同过滤算法研究 .. 99
6.1 基于用户的协同过滤经典算法100
6.2 用户兴趣相似关系挖掘 .. 104
6.3 结合用户社交信任和兴趣的概率矩阵分解算法研究107
6.4 构建考虑用户社交信任和兴趣的概率矩阵分解模型 .. 108
6.4.1 概率矩阵分解模型 . 108
6.4.2 挖掘用户间隐式信任信息 .. 111
6.4.3 挖掘用户间隐式兴趣信息 .. 112
6.4.4 考虑用户社交信任和兴趣的概率矩阵分解算法. 113
6.5 基于Epinions基准数据的实验检验 . 116
6.5.1 数据集介绍 .. 116
6.5.2 评价标准116
6.5.3 模型参数训练 . 117
6.5.4 实验结果对比分析 . 120
第7章 基于旅游照片地理信息的景点挖掘和用户评分建模123
7.1 数据获取和数据预处理工作124
7.2 基于P-DBSCAN聚类的景点挖掘 .. 125
7.2.1 问题定义 .. 125
7.2.2 基于密度的热门旅游区域地点聚类126
7.2.3 语义标注旅游地点 . 132
7.2.4 建立景点资料库 .. 133
7.3 用户-景点评分模型构造. 134
第8章 考虑用户社交信任传播的旅游景点策略研究 . 137
8.1 信任 .. 138
8.1.1 社会网络 .. 138
8.1.2 信任度在中的应用139
8.1.3 经典信任模型141
8.2 问题定义 .. 143
8.3 基于旅游景点图片的社交信任网络挖掘研究 .. 143
8.3.1 构建用户直接信任网络 .. 144
8.3.2 信任传递—用户间接信任计算 . 146
8.4 结合相似度和信任度的策略研究 .. 150
第9章 考虑用户社交信任和地理标签的旅游景点算法研究 .. 154
9.1 常见的旅游景点及标签算法 . 155
9.1.1 常见的个性化旅游算法155
9.1.2 标签在算法中的应用 . 158
9.1.3 基于标签的个性化算法研究 . 160
9.2 综合考虑用户社交信任和标签偏好的旅游景点算法研究 . 162
9.2.1 基于地理标签的用户偏好建模 .. 162
9.2.2 综合考虑用户社交信任和标签偏好的旅游景点策略 . 164
9.3 基于Flickr数据集的实验验证 .. 165
9.3.1 实验数据集的获取和预处理165
9.3.2 实验评价指标166
9.3.3 实验结果分析167
附录A TMALL实证部分数据 . 172
附录B 选择性随机游走协同过滤算法主要程序代码 .. 174
附录C 考虑显式评分的网络结构算法主要代码181
附录D 结合用户社交信任和兴趣的概率矩阵分解算法主要代码 . 186
附录E 旅游图片和天气数据爬取代码. 191
附录F P-DBSCAN主要代码 . 194
附录G 旅游景点的相似度计算与评分预测主要代码 . 197
参考文献 .. 199

网络科学视角下的推荐系统研究 内容简介

本书在对协同过滤为主的推荐系统、网络科学理论进行系统综述的基础上, 考虑社交网络发展以及用户信任的网络关系特征, 主要运用网络科学的方法, 研究协同过滤为主的推荐系统问题。

网络科学视角下的推荐系统研究 相关资料

开展、网络科学应用相关领域研究的学者，以及在工程应用界的设计师和工程师。 也可以作为计算机应用、信息管理与信息、管理科学与工程等学科的博士生、硕士生的参考用书。

网络科学视角下的推荐系统研究 作者简介

米传民南京航空航天大学经济与管理学院副教授、硕士生导师。IEEE会员，IEEE SMC江苏-南京分会秘书长，INFORMS会员，中国信息经济学会信息管理委员会常务理事，中国优选法、统筹法与经济数学研究会灰色委员会理事，江苏省互联网服务学会副秘书长，江苏省工程学会理事。主要从事商业数据分析、管理、灰色理论与应用等领域的教学和研究工作，主持国家社会科学基金、中国博士后基金、国网江苏省公司和河南省公司、国电南瑞等项目20余项，发表论文150多篇。曾获得***科学技术进步二等奖、江苏省高校哲学社会科学研究成果奖三等奖、***教学成果奖二等奖、江苏省教学成果奖一等奖等奖项。