| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 旅游虚拟社区的相关研究 | 第11-13页 |
| 1.2.2 中文情感分析研究现状 | 第13-14页 |
| 1.2.3 推荐模型的相关研究 | 第14-16页 |
| 1.2.4 文献评述 | 第16页 |
| 1.3 研究方法及论文结构 | 第16-19页 |
| 1.3.1 研究方法及技术路线 | 第16-18页 |
| 1.3.2 论文结构安排 | 第18-19页 |
| 2 基本理论 | 第19-32页 |
| 2.1 中文文本情感倾向性分析 | 第19-25页 |
| 2.1.1 情感分析 | 第19-20页 |
| 2.1.2 基于词典的情感分析 | 第20-21页 |
| 2.1.3 基于机器学习的情感分析 | 第21-25页 |
| 2.2 推荐系统的基本理论 | 第25-32页 |
| 2.2.1 推荐系统的原理 | 第25-26页 |
| 2.2.2 不同推荐机制的工作原理 | 第26-32页 |
| 3 改进的个性化推荐算法研究 | 第32-42页 |
| 3.1 基于用户行为的协同过滤算法 | 第32-35页 |
| 3.2 基于用户兴趣的协同过滤算法 | 第35-38页 |
| 3.3 基于用户社交信息和兴趣信息的加权混合型推荐算法 | 第38-42页 |
| 4 实验与分析 | 第42-54页 |
| 4.1 实验数据 | 第42-44页 |
| 4.1.1 数据采集 | 第42-43页 |
| 4.1.2 数据预处理 | 第43-44页 |
| 4.2 离线实验评测指标 | 第44-46页 |
| 4.3 推荐算法结果分析 | 第46-51页 |
| 4.3.1 userCF算法实验结果 | 第46-47页 |
| 4.3.2 userICF算法实验结果 | 第47-49页 |
| 4.3.3 userWSICF算法实验结果 | 第49-51页 |
| 4.4 离线实验结果分析 | 第51-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 附录 | 第56-65页 |
| 参考文献 | 第65-68页 |
| 后记 | 第68-69页 |