| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 基于主题模型的发展研究 | 第12-14页 |
| 1.3 本文的主要研究内容和方法 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 关键技术综述 | 第16-29页 |
| 2.1 主题模型基础知识 | 第16-26页 |
| 2.1.1 图模型 | 第16-18页 |
| 2.1.2 LDA模型中的典型概率分布 | 第18-19页 |
| 2.1.3 语言模型 | 第19-20页 |
| 2.1.4 标准LDA模型 | 第20-24页 |
| 2.1.5 LDA模型的参数推断算法-Gibbs Sampling | 第24-26页 |
| 2.2 逻辑回归 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 构建用户兴趣模型 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 基于标准主题模型的动态用户兴趣建模方法 | 第29-36页 |
| 3.2.1 基于标准主题模型的基础建模方法 | 第29-33页 |
| 3.2.2 基于标准主题模型的动态建模方法 | 第33-36页 |
| 3.3 基于联合主题模型的用户兴趣建模方法 | 第36-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 用户的个性化视频推荐 | 第47-61页 |
| 4.1 推荐系统的评测指标 | 第47-48页 |
| 4.2 向量空间模型中的相似度计算 | 第48-49页 |
| 4.3 基于用户兴趣模型的推荐算法 | 第49-55页 |
| 4.3.1 基于标准LDA模型的动态推荐方法 | 第49-51页 |
| 4.3.2 基于联合LDA用户兴趣模型的推荐方法 | 第51-55页 |
| 4.4 实验评估与结果分析 | 第55-60页 |
| 4.4.1 实验准备 | 第55-57页 |
| 4.4.2 实验结果分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 未解决的问题和以后工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |