摘要 | 第4-5页 |
ABSTRACT | 第5页 |
目录 | 第6-8页 |
第一章 绪论 | 第8-13页 |
1.1 课题的研究背景及意义 | 第8页 |
1.2 国内外的研究现状 | 第8-11页 |
1.2.1 推荐系统的发展现状 | 第8-9页 |
1.2.2 论文参考文献推荐系统的发展现状 | 第9-11页 |
1.3 本文研究工作及内容安排 | 第11-13页 |
第二章 推荐系统概述 | 第13-25页 |
2.1 协同过滤推荐 | 第13-17页 |
2.1.1 基于用户的最近邻推荐 | 第14-15页 |
2.1.2 基于物品的最近邻推荐 | 第15-17页 |
2.2 基于内容的推荐 | 第17-20页 |
2.3 混合方法推荐 | 第20-23页 |
2.3.1 结合不同的推荐系统预测结果 | 第21页 |
2.3.2 协同过滤模型和基于内容模型互相混合特征 | 第21-22页 |
2.3.3 构造统一的推荐模型 | 第22-23页 |
2.4 论文参考文献推荐 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第三章 基于图模型的查询相关性度量 | 第25-33页 |
3.1 统一的多层图模型 | 第25-28页 |
3.2 基于 LDA 的主题模型 | 第28-30页 |
3.3 重启型随机游走算法 | 第30-32页 |
3.4 本章小结 | 第32-33页 |
第四章 时间相关的论文影响力度量 | 第33-37页 |
4.1 论文影响力的时间衰减特性 | 第33-34页 |
4.2 论文影响力的局部趋势 | 第34-35页 |
4.3 用户论文选取偏好 | 第35-36页 |
4.4 本章小结 | 第36-37页 |
第五章 实验结果及分析 | 第37-50页 |
5.1 系统运行环境约束及实验数据 | 第37-38页 |
5.2 评价指标 | 第38-39页 |
5.3 实验参数的选取 | 第39-42页 |
5.3.1 选取主题数 k | 第39-40页 |
5.3.2 重启概率 | 第40-41页 |
5.3.3 衰减率 | 第41-42页 |
5.4 基于查询相关性的推荐实验结果及分析 | 第42-45页 |
5.4.4 基于查询相关性的推荐的评测结果 | 第42-43页 |
5.4.5 个性化 vs 非个性化查询相关性推荐 | 第43-44页 |
5.4.6 论文间引用关系图和共同作者图的影响 | 第44-45页 |
5.5 基于查询相关性和论文影响力的推荐实验结果及分析 | 第45-46页 |
5.6 本文的提出的方法和其他方法的实验结果比较 | 第46-49页 |
5.6.1 其他方法的实验结果比较 | 第46-48页 |
5.6.2 深入比较基于主题的方法 | 第48-49页 |
5.7 本章小结 | 第49-50页 |
第六章 总结与展望 | 第50-52页 |
6.1 本文总结 | 第50-51页 |
6.2 未来展望 | 第51-52页 |
参考文献 | 第52-55页 |
发表论文和参加科研情况说明 | 第55-56页 |
致谢 | 第56页 |