| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 引言 | 第8-16页 |
| ·研究背景及意义 | 第8-12页 |
| ·研究背景 | 第8-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·本文组织结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第2章 推荐系统相关理论与技术 | 第16-23页 |
| ·推荐系统简介 | 第16-17页 |
| ·推荐系统概念 | 第16页 |
| ·推荐系统的任务 | 第16-17页 |
| ·协同过滤推荐算法 | 第17-19页 |
| ·基于记忆的推荐算法 | 第17-19页 |
| ·基于模型的推荐算法 | 第19页 |
| ·基于内容的推荐算法 | 第19-20页 |
| ·混合推荐算法 | 第20-21页 |
| ·相似度计算 | 第21页 |
| ·欧几里德距离(Euclidean distance) | 第21页 |
| ·余弦相似度(Cosine Similarity) | 第21页 |
| ·推荐系统评价指标 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 藏文微博语料建设 | 第23-34页 |
| ·微博爬取 | 第23-27页 |
| ·微博爬取理论 | 第23-24页 |
| ·微博获取 | 第24-27页 |
| ·文本预处理 | 第27-33页 |
| ·去噪 | 第28-29页 |
| ·藏文编码转换 | 第29-30页 |
| ·分词及词性标注 | 第30-31页 |
| ·过滤停用词 | 第31-33页 |
| ·语料建设结果 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 藏文微博用户个性化推荐分析 | 第34-50页 |
| ·推荐引擎分析 | 第35-36页 |
| ·藏文微博用户推荐引擎分析 | 第35页 |
| ·藏文微博用户推荐目的 | 第35-36页 |
| ·推荐引擎构建 | 第36-40页 |
| ·特征提取 | 第36-38页 |
| ·用户建模 | 第38-40页 |
| ·基于聚类的个性化推荐研究及实现 | 第40-49页 |
| ·基于聚类的个性化推荐研究 | 第40-45页 |
| ·基于聚类的个性化推荐系统实现 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 实验与分析 | 第50-56页 |
| ·实验分析 | 第50-55页 |
| ·实验方案 | 第50-51页 |
| ·结果分析 | 第51-55页 |
| ·实验总结 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 致谢 | 第62页 |