| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 前言 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 学术论文推荐算法综述 | 第12-29页 |
| 2.1 主题模型研究综述 | 第12-19页 |
| 2.1.1 LDA(Latent Dirichlet Allocation)模型 | 第12-15页 |
| 2.1.2 ACT(Author Conference Topic)模型 | 第15-17页 |
| 2.1.3 TOT(Topic Over Time)模型 | 第17-19页 |
| 2.1.4 其他主题模型介绍 | 第19页 |
| 2.2 矩阵分解模型研究综述 | 第19-24页 |
| 2.2.1 LFM(Latent Factor Model)方法 | 第20-22页 |
| 2.2.2 PMF(Probabilistic Matrix Factorization)方法 | 第22-24页 |
| 2.2.3 其他矩阵分解方法 | 第24页 |
| 2.3 混合模型研究综述 | 第24-28页 |
| 2.3.1 混合模型设计方法介绍 | 第25页 |
| 2.3.2 CTR(Collaborative Topic Regression)模型 | 第25-27页 |
| 2.3.3 其他混合模型 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于混合模型的学术论文推荐方案 | 第29-36页 |
| 3.1 方案概述 | 第29页 |
| 3.2 ACTOT(Author Conference Topic Over Time)模型 | 第29-33页 |
| 3.2.1 ACTOT模型表示 | 第30-31页 |
| 3.2.2 ACTOT模型训练 | 第31-33页 |
| 3.3 MFWT(Matrix Factorization With Topic)模型 | 第33-35页 |
| 3.3.1 MFWT模型表示 | 第33-34页 |
| 3.3.2 MFWT模型求解 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于混合模型的学术论文推荐方法实现 | 第36-48页 |
| 4.1 MFWT模型的基本算法框架 | 第36-39页 |
| 4.1.1 CiteULike原始数据 | 第37页 |
| 4.1.2 数据整合处理 | 第37页 |
| 4.1.3 数据库表设计 | 第37-39页 |
| 4.1.4 LDA模型和ACTOT模型训练 | 第39页 |
| 4.1.5 LDA模型和ACTOT模型训练结果 | 第39页 |
| 4.1.6 PMF模型计算 | 第39页 |
| 4.1.7 评分预测结果 | 第39页 |
| 4.2 MFWT模型类图设计及关键函数实现 | 第39-47页 |
| 4.2.1 LDA模型类 | 第40-42页 |
| 4.2.2 ACTOT模型类 | 第42-45页 |
| 4.2.3 PMF模型类 | 第45-46页 |
| 4.2.4 推荐模块类 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 MFWT模型性能评估 | 第48-55页 |
| 5.1 实验数据 | 第48页 |
| 5.2 评价指标 | 第48页 |
| 5.3 实验方案设计 | 第48-49页 |
| 5.4 实验结果分析 | 第49-53页 |
| 5.4.1 隐式特征空间维度K对于MFWT模型的影响 | 第49-50页 |
| 5.4.2 参数λ_u,λ_v对MFWT模型的影响 | 第50-51页 |
| 5.4.3 MFWT模型与其他模型的召回率对比 | 第51-52页 |
| 5.4.4 MFWT模型对于不同用户的推荐效果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 缩略语 | 第61-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文和申请的发明专利 | 第63页 |
