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 |