面向用户兴趣主题的个性化好友推荐方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第10-11页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文研究目标和内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 好友推荐相关理论基础 | 第19-29页 |
| 2.1 推荐系统 | 第19-20页 |
| 2.2 好友推荐相关技术 | 第20-23页 |
| 2.2.1 词项共现分析与K-core聚类分析 | 第20-21页 |
| 2.2.2 基于词项共现的共词网络构建 | 第21-23页 |
| 2.3 典型好友推荐算法 | 第23-27页 |
| 2.3.1 基于内容的好友推荐算法 | 第23页 |
| 2.3.2 协同过滤推荐算法 | 第23-26页 |
| 2.3.3 基于社交网络的推荐算法 | 第26-27页 |
| 2.4 推荐系统评价指标 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 面向用户兴趣主题的个性化好友推荐 | 第29-44页 |
| 3.1 问题描述 | 第29页 |
| 3.2 基于词共现的用户文本语义分析 | 第29-31页 |
| 3.3 好友推荐算法描述 | 第31-36页 |
| 3.3.1 兴趣相似性计算 | 第31-32页 |
| 3.3.2 社交相似性计算 | 第32-34页 |
| 3.3.3 用户相似性计算 | 第34-35页 |
| 3.3.4 面向兴趣主题的个性化好友推荐模型 | 第35-36页 |
| 3.4 实验数据采集 | 第36-39页 |
| 3.4.1 数据获取 | 第36-38页 |
| 3.4.2 微博用户分析 | 第38-39页 |
| 3.5 实验结果与性能分析 | 第39-43页 |
| 3.5.1 实验数据 | 第39-40页 |
| 3.5.2 评测指标 | 第40页 |
| 3.5.3 实验分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 改进的面向用户兴趣主题的个性化好友推荐 | 第44-53页 |
| 4.1 问题描述 | 第44页 |
| 4.2 基于共现矩阵分析的的语义相似性 | 第44-47页 |
| 4.3 引入交互信息的FOFA推荐算法 | 第47-48页 |
| 4.4 融入交互信息的好友推荐模型 | 第48-50页 |
| 4.5 实验及性能分析 | 第50-52页 |
| 4.5.1 数据集 | 第50页 |
| 4.5.2 评价指标 | 第50页 |
| 4.5.3 实验分析 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |
