| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景及国内外研究现状 | 第9-11页 |
| ·信息推送系统简介 | 第10页 |
| ·用户兴趣模型中相关技术简介 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·本文的内容安排 | 第12-14页 |
| 第二章 用户兴趣模型的相关技术 | 第14-22页 |
| ·用户兴趣模型中的信息来源及信息获取 | 第14-15页 |
| ·用户兴趣模型的表示方法研究 | 第15-19页 |
| ·基于向量空间模型的表示 | 第15-17页 |
| ·基于用户-项目评价矩阵的表示方法 | 第17页 |
| ·基于神经网络的表示 | 第17-18页 |
| ·基于粗细兴趣粒度的表示 | 第18页 |
| ·其他表示方法 | 第18-19页 |
| ·用户兴趣模型的更新学习技术研究 | 第19-21页 |
| ·基于信息论 | 第19页 |
| ·基于实例 | 第19-20页 |
| ·基于神经网络 | 第20页 |
| ·其他更新学习技术 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于Rocchio反馈的用户兴趣模型构建与更新 | 第22-32页 |
| ·用户反馈技术 | 第22-25页 |
| ·显式反馈 | 第22-23页 |
| ·隐式反馈 | 第23-25页 |
| ·用户兴趣模型表示方式的改进 | 第25-27页 |
| ·Rocchio反馈技术 | 第27-28页 |
| ·建立用户兴趣模型 | 第28-29页 |
| ·从微博内容中获取用户兴趣 | 第28页 |
| ·用户长短期兴趣建模 | 第28-29页 |
| ·用户兴趣模型的学习和更新 | 第29-31页 |
| ·用户短期兴趣模型的更新 | 第29-30页 |
| ·用户长期兴趣模型的更新 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于兴趣模型的信息推送系统的设计 | 第32-41页 |
| ·系统的总体设计方案 | 第32-33页 |
| ·系统核心功能模块的实现 | 第33-40页 |
| ·文本分词模块 | 第33-34页 |
| ·关键词词提取模块 | 第34-36页 |
| ·关键词抽取算法 | 第34-35页 |
| ·训练阶段 | 第35-36页 |
| ·提取阶段 | 第36页 |
| ·文本分类模块 | 第36-38页 |
| ·训练阶段 | 第37页 |
| ·分类阶段 | 第37-38页 |
| ·兴趣模型模块 | 第38-39页 |
| ·信息推送模块 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 系统实验和结果分析 | 第41-49页 |
| ·实验 | 第41-43页 |
| ·实验环境 | 第41页 |
| ·实验方法 | 第41-43页 |
| ·实验结果分析 | 第43-48页 |
| ·不同兴趣模型更新学习技术的性能对比 | 第44-45页 |
| ·不同类型用户使用系统的实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 工作总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 发表文章目录 | 第55页 |
| 参与科研项目 | 第55页 |