基于微博的用户兴趣分析与个性化信息推荐
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 表格索引 | 第11-12页 |
| 插图索引 | 第12-13页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-23页 |
| ·研究背景及意义 | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·微博相关的研究 | 第16-18页 |
| ·微博用户兴趣挖掘 | 第18-19页 |
| ·个性化信息推荐 | 第19-21页 |
| ·面临的挑战 | 第21-22页 |
| ·论文组织 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第二章 相关工作及概念 | 第23-31页 |
| ·微博 | 第23页 |
| ·文本分类 | 第23-26页 |
| ·朴素贝叶斯 | 第24页 |
| ·支持向量机 | 第24-26页 |
| ·线性回归 | 第26页 |
| ·主题模型 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于微博的用户兴趣分析及信息推荐方法研究 | 第31-42页 |
| ·概述 | 第31页 |
| ·噪音微博的过滤 | 第31-35页 |
| ·构建朴素贝叶斯分类器 | 第32页 |
| ·构建支持向量机分类器 | 第32-33页 |
| ·联合分类器 | 第33-35页 |
| ·用户兴趣分析 | 第35-40页 |
| ·用户兴趣的表示 | 第35-36页 |
| ·用户兴趣分析 | 第36-40页 |
| ·个性化信息推荐 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 实验评估与结果分析 | 第42-54页 |
| ·概述 | 第42页 |
| ·噪音微博过滤 | 第42-45页 |
| ·实验设置 | 第42-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·主题模型的构建 | 第45-48页 |
| ·实验设计 | 第45页 |
| ·实验结果及分析 | 第45-48页 |
| ·兴趣抽取和个性化推荐 | 第48-52页 |
| ·实验设计 | 第48-49页 |
| ·非负矩阵分解 | 第49-50页 |
| ·实验结果及分析 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于微博的个性化信息推荐系统实现 | 第54-61页 |
| ·概述 | 第54页 |
| ·系统简介 | 第54-55页 |
| ·系统结构 | 第55-59页 |
| ·在线模块 | 第57-58页 |
| ·后台定时更新模块 | 第58-59页 |
| ·主题分析模块 | 第59页 |
| ·个性化推荐 | 第59页 |
| ·系统实现与应用 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
