社区问答用户兴趣建模方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 用户兴趣模型研究现状 | 第12-15页 |
| 1.2.1 国外的研究状况 | 第13-14页 |
| 1.2.2 国内的研究状况 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关理论与技术基础 | 第17-31页 |
| 2.1 社区问答系统概述 | 第17-24页 |
| 2.1.1 社区问答系统的发展 | 第17-19页 |
| 2.1.2 以“百度知道”为例的问答社区结构分析 | 第19-24页 |
| 2.1.2.1 “百度知道”的问答互动机制 | 第19-21页 |
| 2.1.2.2 “百度知道”的用户管理机制 | 第21-22页 |
| 2.1.2.3 “百度知道”的问题分类机制 | 第22-23页 |
| 2.1.2.4 “百度知道”的积分奖励机制 | 第23-24页 |
| 2.2 用户兴趣建模框架 | 第24-29页 |
| 2.2.1 用户兴趣信息的获取 | 第25-26页 |
| 2.2.2 用户兴趣模型的表示 | 第26-27页 |
| 2.2.3 用户兴趣建模的方法 | 第27-28页 |
| 2.2.4 用户兴趣模型的学习 | 第28-29页 |
| 2.3 网络爬虫的技术应用 | 第29-31页 |
| 第三章 融合标签的社区问答用户兴趣建模方法 | 第31-53页 |
| 3.1 引言 | 第31页 |
| 3.2 用户的标签分析 | 第31-33页 |
| 3.3 社区问答用户兴趣信息的获取 | 第33-36页 |
| 3.4 社区问答用户兴趣模型的表示 | 第36-38页 |
| 3.5 融合标签的用户兴趣特征提取与权重计算 | 第38-42页 |
| 3.5.1 兴趣特征的提取 | 第38-40页 |
| 3.5.2 特征权重的计算 | 第40-42页 |
| 3.6 基于谱聚类的用户兴趣模型学习 | 第42-46页 |
| 3.6.1 用户兴趣的自动聚类 | 第42-43页 |
| 3.6.2 谱聚类模型学习算法 | 第43-46页 |
| 3.6.2.1 谱聚类的相似性度量 | 第43-44页 |
| 3.6.2.2 图的矩阵表示 | 第44-45页 |
| 3.6.2.3 谱聚类算法过程 | 第45-46页 |
| 3.7 融合标签的社区问答用户兴趣建模流程 | 第46-47页 |
| 3.8 实验 | 第47-51页 |
| 3.8.1 实验数据及预处理 | 第47-48页 |
| 3.8.2 评价方法 | 第48页 |
| 3.8.3 实验设计与结果分析 | 第48-51页 |
| 3.9 本章小结 | 第51-53页 |
| 第四章 基于遗忘规律的社区问答用户兴趣建模方法 | 第53-63页 |
| 4.1 引言 | 第53页 |
| 4.2 用户兴趣模型的更新方法 | 第53-54页 |
| 4.3 社区问答用户兴趣偏移分析 | 第54-55页 |
| 4.4 基于遗忘规律的社区问答用户兴趣权重计算 | 第55-57页 |
| 4.4.1 人类记忆遗忘规律 | 第55-56页 |
| 4.4.2 社区问答用户兴趣权重的计算 | 第56-57页 |
| 4.5 基于遗忘规律的社区问答用户兴趣建模流程 | 第57-58页 |
| 4.6 实验 | 第58-61页 |
| 4.6.1 实验数据与预处理 | 第58-59页 |
| 4.6.2 实验设计与结果分析 | 第59-61页 |
| 4.7 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 下一步工作展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A 攻读硕士学位期间发表论文与申请软件著作权 | 第71-73页 |
| 附录B 攻读硕士期间参与项目 | 第73页 |
