基于协同过滤的个性化新闻推荐系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文内容与结构 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 个性化推荐系统的相关技术 | 第12-25页 |
| 2.1 个性化推荐技术 | 第12-15页 |
| 2.1.1 协同过滤推荐技术 | 第12-14页 |
| 2.1.2 基于内容的推荐技术 | 第14-15页 |
| 2.1.3 混合推荐技术 | 第15页 |
| 2.2 协同过滤推荐技术 | 第15-18页 |
| 2.2.1 基于用户的协同过滤推荐技术 | 第15-17页 |
| 2.2.2 基于项目的协同过滤推荐技术 | 第17-18页 |
| 2.3 文本聚类技术 | 第18-20页 |
| 2.3.1 文本特征表示 | 第18页 |
| 2.3.2 文本表示模型 | 第18-19页 |
| 2.3.3 文本距离计算 | 第19-20页 |
| 2.3.4 文本聚类算法 | 第20页 |
| 2.4 安卓开发的相关技术 | 第20-23页 |
| 2.4.1 安卓系统架构 | 第20-22页 |
| 2.4.2 安卓组件介绍 | 第22页 |
| 2.4.3 安卓开发技术 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 个性化新闻推荐模型与改进算法的实验与验证 | 第25-34页 |
| 3.1 个性化新闻推荐模型 | 第25-28页 |
| 3.1.1 新闻分类 | 第26-27页 |
| 3.1.2 用户兴趣分析 | 第27-28页 |
| 3.1.3 用户聚类 | 第28页 |
| 3.1.4 生成推荐列表 | 第28页 |
| 3.2 改进的协同过滤推荐算法的实验与验证 | 第28-33页 |
| 3.2.1 协同过滤推荐算法存在问题分析 | 第29页 |
| 3.2.2 协同过滤推荐算法的改进 | 第29-31页 |
| 3.2.3 改进的协同过滤推荐算法的实验与验证 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 个性化新闻推荐系统的需求分析与设计 | 第34-45页 |
| 4.1 总体需求概述 | 第34-38页 |
| 4.1.1 个性化推荐模块的需求分析 | 第34-36页 |
| 4.1.2 客户端模块的需求分析 | 第36-38页 |
| 4.1.3 服务器端模块的需求分析 | 第38页 |
| 4.2 功能需求 | 第38-40页 |
| 4.2.1 新闻资讯阅览 | 第38-39页 |
| 4.2.2 新闻视频阅览 | 第39页 |
| 4.2.3 用户数据统计 | 第39-40页 |
| 4.3 代码开发需求 | 第40-41页 |
| 4.4 个性化新闻推荐系统的结构设计 | 第41-42页 |
| 4.5 个性化新闻推荐系统的功能模块设计 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 个性化新闻推荐系统的实现 | 第45-71页 |
| 5.1 个性化新闻推荐系统的数据库设计 | 第45-47页 |
| 5.2 个性化新闻推荐算法模块的实现 | 第47-57页 |
| 5.2.1 新闻采集模块 | 第47-49页 |
| 5.2.2 新闻预处理模块 | 第49-50页 |
| 5.2.3 新闻聚类模块 | 第50-51页 |
| 5.2.4 新闻推荐模块 | 第51-57页 |
| 5.3 个性化新闻推荐客户端模块的实现 | 第57-70页 |
| 5.3.1 用户登录模块 | 第57-62页 |
| 5.3.2 新闻栏目管理模块 | 第62-64页 |
| 5.3.3 新闻浏览模块 | 第64-68页 |
| 5.3.4 视频播放模块 | 第68-70页 |
| 5.3.5 用户数据统计模块 | 第70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 系统测试 | 第71-76页 |
| 6.1 系统测试概述 | 第71-72页 |
| 6.1.1 测试目的和范围 | 第71-72页 |
| 6.1.2 测试环境和工具 | 第72页 |
| 6.2 功能测试 | 第72-73页 |
| 6.3 性能测试 | 第73-75页 |
| 6.4 本章小结 | 第75-76页 |
| 7 总结与展望 | 第76-78页 |
| 7.1 论文总结 | 第76页 |
| 7.2 未来展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83页 |
