本书是面向数据挖掘领域，特别是推荐系统研究的一本专著。本书共7章，系统地分析和介绍了有关推荐算法的发展历史、研究现状和主要背景知识。在此基础上，结合当前研究中存在的主要问题，本书提出了若干高效的融合社会关系与社区结构的推荐算法。其中，融入用户社会关系信息能够有效缓解协同过滤算法的数据稀疏性问题和冷启动问题，同时，社区结构的引入能够有效降低系统中的数据规模，提高算法在大规模数据集上的处理能力，增强系统的可扩展性。因此，融合社会关系和社区结构的推荐算法具有重要的研究意义。

马霄，女，2017年博士毕业于华中科技大学，美国伊利诺伊大学香槟分校联合培养博士研究生。现为中南财经政法大学信息与安全工程学院讲师、硕士生导师。长期从事有关推荐算法，数据挖掘，机器学习等相关领域的研究。近年来，参与多项目家级省部级课题，其中主持国家自然科学基金青年科学基金项目一项，CCF信息系统开放课题一项。在国内外高水平学术期刊及会议上发表学术论文十数篇。

第一章 绪论
第一节 研究背景与意义
第二节 国内外研究现状
第三节 当前研究存在的主要问题
第四节 本书研究内容与创新点
第五节 本书组织结构
第六节 本章小结
第二章 相关的基本知识
第一节 协同过滤基本原理
第二节 关键相关算法介绍
第三节 实验数据集
第四节 推荐系统评价指标
第五节 本章小结
第三章 融合细粒度显式用户社会关系的协同过
滤推荐算法
第一节 引言
第二节 相关工作
第三节 融合细粒度显式用户社会关系的推荐算法
第四节 实验与分析
第五节 本章小结
第四章 基于隐式用户社会关系挖掘的协同过滤推荐算法
第一节 引言
第二节 相关工作
第三节 符号表示与框架描述
第四节 信任关系因素建模
第五节 隐式信任关系与不信任关系预测
第六节 基于隐式用户社会关系的推荐
第七节 实验与分析
第八节 本章小结
第五章 结合信任社区挖掘和稀疏评分填充的协同过滤
推荐算法
第一节 引言
第二节 符号表示
第三节 面向信任关系与不信任关系的信任社区
挖掘算法
第四节 稀疏评分数据填充算法
第五节 基于新用户资料的协同过滤推荐
第六节 实验与分析
第七节 本章小结
第六章 基于多类型社区结构融合的协同过滤推荐算法
第一节 引言
第二节 相关工作
第三节 符号表示与框架描述
第四节 多类型社区结构挖掘
第五节 融合多类型社区结构的推荐
第六节 实验与分析
第七节 本章小结
第七章 总结与展望
第一节 内容总结
第二节 未来工作展望
参考文献