首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户兴趣的微博查询推荐方法研究

摘要第3-4页
ABSTRACT第4-5页
第一章 绪论第8-13页
    1.1 研究背景和意义第8-9页
    1.2 国内外研究现状第9-11页
        1.2.1 用户兴趣研究现状第9-10页
        1.2.2 微博查询推荐研究现状第10-11页
    1.3 主要研究内容第11-12页
    1.4 文章组织结构第12-13页
第二章 相关研究第13-17页
    2.1 查询推荐概述第13-14页
    2.2 相关技术第14-15页
        2.2.1 LDA主题模型第14页
        2.2.2 余弦相似度第14页
        2.2.3 学习排序方法第14-15页
    2.3 评价指标第15-17页
        2.3.1 平均准确率第15-16页
        2.3.2 前K条结果准确率第16页
        2.3.3 归一化折算累计增益第16-17页
第三章 基于主题模型的用户兴趣划分第17-28页
    3.1 基于转发关系的用户主题模型第17-20页
        3.1.1 LDA主题模型第17-18页
        3.1.2 基于转发关系的用户主题模型第18-20页
    3.2 用户兴趣划分第20-21页
        3.2.1 用户兴趣集合第20-21页
        3.2.2 用户兴趣相似度计算第21页
    3.3 实验结果及分析第21-27页
        3.3.1 实验数据集第21-22页
        3.3.2 实验结果及分析第22-27页
    3.4 本章小结第27-28页
第四章 融合多种特征的相关性排序方法第28-45页
    4.1 任务定义第28页
    4.2 排序模型框架第28-29页
    4.3 排序特征选择第29-37页
        4.3.1 微博发布时间特征提取第29-32页
        4.3.2 微博结构特征提取第32-35页
        4.3.3 用户权威度特征提取第35-36页
        4.3.4 最优特征选择第36-37页
    4.4 实验结果及分析第37-44页
        4.4.1 实验数集第37-38页
        4.4.2 实验结果及分析第38-44页
    4.5 本章小结第44-45页
第五章 查询推荐系统设计与实现第45-49页
    5.1 总体设计第45-46页
    5.2 结果展示第46-49页
第六章 总结与展望第49-52页
    6.1 工作总结第49-50页
    6.2 未来展望第50-52页
参考文献第52-55页
在学期间的研究成果第55-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:面向结构分析需求的代码重构方法和技术研究
下一篇:网构软件代数性质的程序化验证与支撑技术研究