网络用户偏好分析方法的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 图目录 | 第11-12页 |
| 表目录 | 第12-13页 |
| 1 绪论 | 第13-17页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14页 |
| ·论文主要工作 | 第14-15页 |
| ·论文主体结构 | 第15-17页 |
| 2 相关技术 | 第17-33页 |
| ·用户偏好建模 | 第17-19页 |
| ·数据挖掘 | 第19-20页 |
| ·推荐系统 | 第20-27页 |
| ·基于人口统计学的推荐 | 第22-23页 |
| ·基于内容的推荐 | 第23-24页 |
| ·基于协同过滤的推荐 | 第24-27页 |
| ·现有推荐系统存在问题 | 第27-28页 |
| ·文本处理 | 第28-32页 |
| ·中文分词 | 第28-30页 |
| ·TF-IDF | 第30-31页 |
| ·LDA话题提取 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 微博用户偏好模型分析 | 第33-43页 |
| ·微博数据获取 | 第33-34页 |
| ·微博网络用户偏好分析 | 第34-39页 |
| ·基于个人信息的分析 | 第34-35页 |
| ·基于关注列表的分析 | 第35-36页 |
| ·基于用户行为信息的分析 | 第36-37页 |
| ·基于微博内容和收听微博的分析 | 第37-38页 |
| ·用户影响力分析 | 第38-39页 |
| ·用户偏好的Xml表示 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 4 基于偏好模型的推荐方法研究 | 第43-55页 |
| ·基于微博内容的推荐 | 第43-45页 |
| ·微博内容相似度的计算 | 第43-44页 |
| ·基于LDA的改进 | 第44-45页 |
| ·基于社交关系的推荐 | 第45-48页 |
| ·PersonalRank算法计算相似度 | 第45-47页 |
| ·基于用户交互信息的改进 | 第47-48页 |
| ·模型融合方法 | 第48-49页 |
| ·数据稀疏和冷启动问题 | 第49-50页 |
| ·实验结果 | 第50-53页 |
| ·实验数据及实验策略 | 第50页 |
| ·评价机制 | 第50-51页 |
| ·实验结果 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 5 基于微博用户偏好的推荐系统 | 第55-65页 |
| ·系统整体设计 | 第55页 |
| ·数据库表结构设计 | 第55-57页 |
| ·推荐系统详细设计 | 第57-63页 |
| ·采集模块 | 第57-60页 |
| ·数据预处理与偏好生成模块 | 第60-61页 |
| ·推荐模块 | 第61-62页 |
| ·过滤和排名模块 | 第62页 |
| ·系统管理模块 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 作者简历 | 第69-73页 |
| 学位论文数据集 | 第73页 |
