致谢 | 第9-10页 |
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第1章 绪论 | 第19-33页 |
1.1 研究背景 | 第19-22页 |
1.2 国内外研究现状 | 第22-27页 |
1.2.1 协同过滤及其数据稀疏性问题 | 第22-23页 |
1.2.2 在线评论的动态性问题 | 第23-24页 |
1.2.3 基于评论文本的推荐系统 | 第24-26页 |
1.2.4 基于签到数据的推荐系统 | 第26-27页 |
1.3 研究内容与研究目标 | 第27-29页 |
1.3.1 研究内容 | 第27-29页 |
1.3.2 研究目标 | 第29页 |
1.4 研究方法与技术路线 | 第29-31页 |
1.4.1 研究方法 | 第29-30页 |
1.4.2 技术路线 | 第30-31页 |
1.5 论文结构 | 第31-33页 |
第2章 协同过滤数据源的特性分析 | 第33-49页 |
2.1 协同过滤及评分的稀疏性分析 | 第33-38页 |
2.1.1 基于评分矩阵的协同过滤方法 | 第33-36页 |
2.1.2 评分的稀疏性分析 | 第36-38页 |
2.2 评分的动态性分析 | 第38-40页 |
2.3 评论文本的特征层情感分析 | 第40-44页 |
2.3.1 产品特征的抽取 | 第42页 |
2.3.2 情感的判定 | 第42-44页 |
2.4 签到数据的情境特性分析 | 第44-48页 |
2.5 本章小结 | 第48-49页 |
第3章 高卷入度产品在线评论的动态性研究 | 第49-71页 |
3.1 高卷入度产品的定义 | 第49-50页 |
3.2 高卷入度产品评论动态性假设的提出 | 第50-51页 |
3.3 高卷入度产品评论数据的收集和处理 | 第51-52页 |
3.4 高卷入度产品数值评分的动态性研究 | 第52-64页 |
3.4.1 评分动态性的直观展示 | 第52-53页 |
3.4.2 评分动态性的分析模型及结果 | 第53-55页 |
3.4.3 评分动态性结果的稳健性检验 | 第55-56页 |
3.4.4 评分动态性的成因分析 | 第56-64页 |
3.5 高卷入度产品评论文本的动态性研究 | 第64-68页 |
3.5.1 评论文本动态性的分析模型及结果 | 第64-66页 |
3.5.2 评论文本动态性结果的稳健性检验 | 第66-67页 |
3.5.3 评论文本动态性的成因分析 | 第67-68页 |
3.6 本章小结 | 第68-71页 |
第4章 基于评论文本的高卷入度产品协同推荐方法研究 | 第71-89页 |
4.1 基于评论文本的高卷入度产品推荐框架 | 第71-73页 |
4.2 基于评论文本的物品相似度的计算与评分填补 | 第73-77页 |
4.2.1 物品-主题评分矩阵的构建 | 第74-75页 |
4.2.2 物品相似度的计算 | 第75-76页 |
4.2.3 评分填补策略 | 第76-77页 |
4.3 基于填充矩阵的协同过滤推荐方法 | 第77-80页 |
4.3.1 与基于近邻的方法的融合 | 第77-79页 |
4.3.2 与矩阵分解方法的融合 | 第79-80页 |
4.4 实验研究 | 第80-87页 |
4.4.1 数据集和预处理 | 第80-83页 |
4.4.2 对照算法与评价指标 | 第83-84页 |
4.4.3 实验结果及分析 | 第84-87页 |
4.5 本章小结 | 第87-89页 |
第5章 情境感知的地理位置服务协同推荐方法研究 | 第89-103页 |
5.1 情境感知的地理位置服务推荐框架 | 第89-90页 |
5.2 情境感知的地点相似度的计算 | 第90-95页 |
5.2.1 空间接近度的计算 | 第91-92页 |
5.2.2 时间感知的地点相似度的计算 | 第92-95页 |
5.3 实验研究 | 第95-102页 |
5.3.1 数据集和预处理 | 第95-96页 |
5.3.2 对照算法与评价指标 | 第96页 |
5.3.3 实验结果及分析 | 第96-102页 |
5.4 本章小结 | 第102-103页 |
第6章 总结与展望 | 第103-107页 |
6.1 研究总结 | 第103-104页 |
6.2 研究启示 | 第104-105页 |
6.3 研究展望 | 第105-107页 |
参考文献 | 第107-117页 |
攻读博士期间的学术活动及成果情况 | 第117-118页 |
1. 参加的学术交流与科研项目 | 第117页 |
2. 发表的学术论文 | 第117-118页 |
3. 获得的学术奖励 | 第118页 |