基于社交信号的个性化新闻推荐系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 本课题的相关领域和研究进展 | 第11-15页 |
| 1.2.1 个性化推荐及其相关领域 | 第11-12页 |
| 1.2.2 个性化推荐系统实例 | 第12-13页 |
| 1.2.3 个性化新闻推荐技术研究进展 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-18页 |
| 第二章 推荐相关算法分析 | 第18-26页 |
| 2.1 推荐算法概述 | 第18-24页 |
| 2.1.1 基于内容的推荐 | 第18-20页 |
| 2.1.2 基于协同过滤的推荐 | 第20-21页 |
| 2.1.3 混合推荐 | 第21-22页 |
| 2.1.4 算法评价 | 第22-24页 |
| 2.2 TF-IDF摘要技术 | 第24-25页 |
| 2.3 余弦相似度 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于社交信号的推荐算法优化 | 第26-38页 |
| 3.1 社交信号分析 | 第26-27页 |
| 3.2 基于社会化标签的用户兴趣 | 第27-28页 |
| 3.3 基于社会化标签的内容过滤推荐算法 | 第28-36页 |
| 3.3.1 用户社交信号模型 | 第28-29页 |
| 3.3.2 基于标签的改进型内容推荐 | 第29-33页 |
| 3.3.3 社交信号优化冷启动问题 | 第33-34页 |
| 3.3.4 公众兴趣、个人兴趣混合 | 第34-35页 |
| 3.3.5 用户反馈机制 | 第35-36页 |
| 3.3.6 兴趣衰减机制 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于社交信号的新闻推荐系统实现 | 第38-58页 |
| 4.1 新闻推荐系统需求分析 | 第38-41页 |
| 4.1.1 新闻推荐系统需求概述 | 第38-39页 |
| 4.1.2 系统功能需求描述 | 第39-40页 |
| 4.1.3 系统性能需求 | 第40页 |
| 4.1.4 系统容错需求 | 第40-41页 |
| 4.2 概要设计 | 第41-44页 |
| 4.2.1 技术实现平台 | 第41-42页 |
| 4.2.2 总体架构设计 | 第42-43页 |
| 4.2.3 模块描述 | 第43页 |
| 4.2.4 推荐算法概要 | 第43-44页 |
| 4.3 详细设计 | 第44-53页 |
| 4.3.1 数据流图 | 第44-45页 |
| 4.3.2 数据存储设计 | 第45-47页 |
| 4.3.3 新闻抓取爬虫 | 第47-48页 |
| 4.3.4 数据处理导管 | 第48-50页 |
| 4.3.5 社交网络集成模块 | 第50-52页 |
| 4.3.6 前端用户交互界面 | 第52-53页 |
| 4.3.7 辅助模块 | 第53页 |
| 4.4 系统集成与检验 | 第53-57页 |
| 4.4.1 测试数据准备 | 第53-54页 |
| 4.4.2 试验方法 | 第54-56页 |
| 4.4.3 评价标准 | 第56页 |
| 4.4.4 实验结果分析 | 第56-57页 |
| 4.4.5 系统评价 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-62页 |
| 5.1 主要工作总结 | 第58-59页 |
| 5.2 后续工作展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 个人筒历、在学期间发表的论文与研究成果 | 第68页 |
