基于用户兴趣模型的个性化论文推荐系统研究
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究背景及意义 | 第7页 |
| 1.2 国内外相关研究现状 | 第7-9页 |
| 1.3 存在的问题 | 第9页 |
| 1.4 本文研究内容 | 第9-10页 |
| 1.5 课题背景 | 第10页 |
| 1.6 论文组织结构 | 第10-11页 |
| 第二章 个性化推荐算法 | 第11-21页 |
| 2.1 基于规则过滤的推荐算法 | 第11-13页 |
| 2.2 基于统计过滤的推荐算法 | 第13页 |
| 2.3 基于内容过滤的推荐算法 | 第13-17页 |
| 2.3.1 向量空间模型 | 第14-15页 |
| 2.3.2 概率模型 | 第15页 |
| 2.3.3 其他兴趣模型 | 第15页 |
| 2.3.4 相似度计算 | 第15-16页 |
| 2.3.5 动态相似度阈值 | 第16页 |
| 2.3.6 优缺点 | 第16-17页 |
| 2.4 基于协同过滤的推荐算法 | 第17-18页 |
| 2.5 基于内容与协同过滤的混合型推荐算法 | 第18-19页 |
| 2.6 其他推荐算法 | 第19-20页 |
| 2.6.1 基于网络结构的推荐算法 | 第19页 |
| 2.6.2 基于朴素贝叶斯分类的推荐算法 | 第19-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 基于兴趣模型的个性化论文推荐系统 | 第21-48页 |
| 3.1 评审专家兴趣模型 | 第21-29页 |
| 3.1.1 兴趣模型的数据源 | 第21-22页 |
| 3.1.2 兴趣模型的组成成分 | 第22-23页 |
| 3.1.3 兴趣模型的结构 | 第23-28页 |
| 3.1.4 兴趣模型更新 | 第28-29页 |
| 3.2 评审专家兴趣建模 | 第29-40页 |
| 3.2.1 Web Crawler 的工作流程 | 第29-31页 |
| 3.2.2 论文抓取 | 第31-36页 |
| 3.2.3 论文加工 | 第36-37页 |
| 3.2.4 评审专家兴趣建模 | 第37-40页 |
| 3.3 待推荐论文模型 | 第40-43页 |
| 3.3.1 最新发表论文抓取 | 第40-43页 |
| 3.3.2 最新发表论文建模 | 第43页 |
| 3.4 评审专家兴趣模型过滤 | 第43-45页 |
| 3.5 论文推送 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 停用词词表 | 第48-52页 |
| 4.1 问题的提出 | 第48页 |
| 4.2 中文停用词获取 | 第48-51页 |
| 4.2.1 主要思想 | 第48-50页 |
| 4.2.2 系统实现 | 第50-51页 |
| 4.3 英文停用词获取 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 个性化论文推荐的实验及结果分析 | 第52-60页 |
| 5.1 停用词的实验结果 | 第52-56页 |
| 5.1.1 实验环境 | 第52页 |
| 5.1.2 实验准备 | 第52页 |
| 5.1.3 评价指标 | 第52-53页 |
| 5.1.4 结果分析 | 第53-56页 |
| 5.2 个性化论文推荐的实验结果 | 第56-60页 |
| 5.2.1 实验环境 | 第56页 |
| 5.2.2 实验准备 | 第56-57页 |
| 5.2.3 评价指标 | 第57页 |
| 5.2.4 结果分析 | 第57-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |
