基于用户关系和用户兴趣的微博内容推荐关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 推荐系统相关技术 | 第15-24页 |
| 2.1 推荐系统概述 | 第15-16页 |
| 2.2 推荐方法 | 第16-21页 |
| 2.2.1 基于社会网络的推荐 | 第16-18页 |
| 2.2.2 基于内容的推荐 | 第18页 |
| 2.2.3 基于协同过滤的推荐 | 第18-19页 |
| 2.2.4 基于关联规则的推荐 | 第19-21页 |
| 2.3 测评方法 | 第21-23页 |
| 2.3.1 准确度 | 第21-22页 |
| 2.3.2 覆盖率 | 第22页 |
| 2.3.3 多样性 | 第22-23页 |
| 2.3.4 实时性 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于社会关系约束的微博消息推荐 | 第24-37页 |
| 3.1 个性化兴趣建模 | 第24-26页 |
| 3.2 基于用户社会属性的相似性度量 | 第26-31页 |
| 3.2.1 用户社会属性分析 | 第26-27页 |
| 3.2.2 用户社会属性度量 | 第27-31页 |
| 3.3 微博消息排序方法 | 第31-32页 |
| 3.4 实验设计与分析 | 第32-36页 |
| 3.4.1 数据集与实验环境介绍 | 第32-34页 |
| 3.4.2 实验结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于信任约束的微博消息推荐 | 第37-51页 |
| 4.1 微博消息推荐中数据稀疏性问题分析 | 第37-38页 |
| 4.2 基于信任约束的协同过滤矩阵构建 | 第38-44页 |
| 4.2.1 信任关系建立 | 第38-40页 |
| 4.2.2 信任传递度量 | 第40-42页 |
| 4.2.3 协同过滤矩阵构建 | 第42-44页 |
| 4.3 基于信任约束的微博推荐算法 | 第44-45页 |
| 4.4 实验设计与分析 | 第45-50页 |
| 4.4.1 实验方案与实验环境介绍 | 第45页 |
| 4.4.2 实验结果与分析 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
