“清華大學優秀博士學位論文叢書”（以下簡稱“優博叢書”）精選自2014年以來入選的清華大學校級優秀博士學位論文（Top 5%）。每篇論文經作者進一步修改、充實並增加導師序言後，以專著形式呈現在讀者面前。“優博叢書”選題範圍涉及自然科學和人文社會科學各主要領域，覆蓋清華大學開設的全部一級學科，代表了清華大學各學科 的博士學位論文的水平，反映了相關領域近期新的科研進展，具有較強的前沿性、繫統性和可讀性，是廣大博碩士研究生開題及撰寫學位論文的推薦參考，也是科研人員快速和繫統了解某一細分領域發展概況、等

●第1章 引言
1.1 選題背景與意義
1.2 研究歷史與現狀
1.3 研究內容和框架
1.4 研究挑戰和方法
1.5 研究成果和創新點
1.5.1 考慮探索的推薦模型
1.5.2 考慮涉入的推薦模型
1.5.3 考慮從眾的推薦模型
第2章 文獻綜述
2.1 個性化推薦研究
2.1.1 推薦方法分類
2.1.2 社會化推薦
2.1.3 典型推薦應用
2.2 相關心理學理論
2.2.1 探索理論
2.2.2 涉入理論
2.2.3 從眾理論
第3章 考慮探索的推薦
3.1 引言
3.2 問題定義
3.3 GEM模型
3.3.1 模型設計
3.3.2 相似度計算
3.3.3 參數學習
3.3.4 復雜度分析
3.4 推薦方法
3.5 實驗評估
3.5.1 實驗設置
3.5.2 推薦效果
3.5.3 參數調節
3.5.4 目標語義
3.5.5 探索傾向分析
3.6 管理啟示
3.7 本章小結
第4章 考慮涉入的推薦
4.1 引言
4.2 問題定義
4.3IMAR模型
4.3.1 模型設計
4.3.2 參數學習
4.4 推薦方法
4.5 實驗評估
4.5.1 實驗設置
4.5.2 推薦效果
4.5.3 模型優勢分析
4.5.4 興趣和涉入度發現
4.5.5IMAR與GEM對比分析
4.6 管理啟示
4.7 本章小結
第5章 考慮從眾的推薦
5.1 引言
5.2 問題定義
5.3 ICTM模型
5.3.1 模型設計
5.3.2 參數學習
5.3.3 復雜度分析
5.4 推薦方法
5.5 實驗評估
5.5.1 實驗設置
5.5.2 推薦效果
5.5.3 話題與社區發現
5.5.4 從眾傾向分析
5.6 管理啟示
5.7 本章小結
第6章 總結與展望
6.1 研究工作總結
6.2 未來研究展望
參考文獻
附錄A GEM模型參數學習推導細節
附錄B IMAR模型參數學習推導細節
附錄C ICTM模型參數學習推導細節
致謝

《考慮用戶心理因素的個性化推薦方法研究/清華大學優秀博士學位論文叢書》以心理學和數據科學的相關理論為支撐，研究如何基於用戶行為數據挖掘其潛在心理特質，並代表性地考慮了三類心理特質（探索、涉人和從眾）對用戶行為預測和個性化推薦的影響，在此基礎上提出了三種具有創新性的用戶行為建模方法及推薦策略。