第1章 绪论 1
1.1研究背景与意义 1
1.1.1研究背景 1
1.1.2研究问题 4
1.1.3研究意义 4
1.2个性化推荐系统发展现状 6
1.3本书的主要内容与结构 8
1.3.1主要内容与创新 8
1.3.2本书结构安排 11
1.4参考文献 13
第2章 个性化推荐相关理论概述 16
2.1消费者定位理论与显示性偏好理论 16
2.1.1消费者定位理论 16
2.1.2显示性偏好理论 17
2.2社会网络理论与社会化推荐模型 18
2.2.1社会网络理论 18
2.2.2社会化推荐 19
2.3情境感知与兴趣漂移 20
2.3.1情境感知服务 21
2.3.2兴趣漂移处理 23
2.4参考文献 24
第3章 个性化推荐方法综述 27
3.1基于协同过滤的推荐方法 27
3.1.1基于用户协同过滤的推荐方法 27
3.1.2基于项目内容协同过滤的推荐方法 30
3.2基于二部图和知识的推荐方法 33
3.2.1基于二部图资源分配的推荐方法 33
3.2.2基于知识的推荐方法 34
3.3其他推荐方法发展 35
3.3.1基于关联规则分析的推荐方法 35
3.3.2基于情境的个性化推荐方法 38
3.3.3混合推荐方法 39
3.4参考文献 40
第4章 个性化推荐方法之关联规则分析推荐 45
4.1基于有序复合策略的数据流最大频繁项集挖掘 45
4.1.1相关研究与问题描述 46
4.1.2A-MFI算法 49
4.1.3数据集及实验环境 54
4.1.4实验测试与结果分析 55
4.2关联规则的评价方法改进与度量框架 58
4.2.1相关研究与问题描述 58
4.2.2关联规则客观兴趣度度量指标与比较 59
4.2.3客观兴趣度度量改进与评价框架 64
4.2.4关联规则主观兴趣度度量指标的提出 65
4.2.5算例分析 67
4.3参考文献 75
第5章 个性化推荐方法之协同过滤推荐 79
5.1复杂情境下基于本体情境和信任关系的协同过滤推荐 79
5.1.1问题描述及研究思路 80
5.1.2基于本体情境及信任关系的协同过滤推荐模型 81
5.1.3推荐效果评价指标 89
5.1.4实验验证 91
5.2复杂情境下基于社会网络协同过滤的个性化推荐 105
5.2.1社会化网购相似性 106
5.2.2社交网络互动性 106
5.2.3社会群组相似性 108
5.3参考文献 109
第6章 个性化推荐方法之综合推荐 112
6.1复杂情境下基于资源非均匀扩散的混合推荐 112
6.1.1问题描述及研究思路 113
6.1.2基于资源非均匀扩散的推荐模型 114
6.1.3推荐效果评价指标 117
6.1.4实验验证 119
6.2复杂情境下融入社会网络情境的推荐 129
6.2.1问题描述及研究思路 129
6.2.2融入社会网络情境的基于矩阵分解技术的推荐模型 131
6.2.3推荐效果评价指标 142
6.2.4实验验证 143
6.3复杂情境下基于情境和主体特征融入性的多维度个性化推荐 150
6.3.1主体兴趣特征数据收集 150
6.3.2主体兴趣特征提取方法 152
6.3.3主体兴趣情境分析 155
6.3.4用户主体兴趣描述与映射 157
6.3.5融入情境的用户兴趣本体模型构建 159
6.3.6主体兴趣相似度计算与推荐流程 161
6.4参考文献 166
第7章 个性化推荐方法之应用实例 170
7.1基于社交网络协同过滤的社会化推荐应用 170
7.1.1应用背景 170
7.1.2基于社会网络关系的推荐系统设计 172
7.1.3社会化电子商务推荐系统框架 173
7.1.4系统效果分析 177
7.2面向移动电子商务平台的个性化推荐系统综合应用 180
7.2.1系统基本框架 181
7.2.2系统关键技术 185
7.2.3系统功能与界面 186
7.2.4应用测试 189
7.3参考文献 190
第8章 总结与展望 192
8.1总结 192
8.2贡献与管理启示 194
8.3局限性与未来展望 196