| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 推荐算法研究现状 | 第9页 |
| 1.2.2 个性化新闻推荐系统研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 传统的个性化新闻推荐系统 | 第12-17页 |
| 2.1 传统个性化新闻推荐系统相关介绍 | 第12-14页 |
| 2.1.1 传统个性化新闻推荐系统架构 | 第12-13页 |
| 2.1.2 传统个性化推荐算法 | 第13-14页 |
| 2.2 利用新闻关键词计算用户相似度 | 第14-15页 |
| 2.2.1 新闻关键词的获取 | 第14页 |
| 2.2.2 用户-关键词倒排表 | 第14-15页 |
| 2.3 利用USERCF进行新闻推荐 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 基于LDA-LR的个性化新闻推荐系统 | 第17-28页 |
| 3.1 对传统个性化新闻推荐算法的优化 | 第17-18页 |
| 3.2 主题模型 | 第18-21页 |
| 3.2.1 基础模型 | 第18-19页 |
| 3.2.2 PLSA模型 | 第19-20页 |
| 3.2.3 LDA主题模型 | 第20-21页 |
| 3.3 用LDA主题模型提取新闻主题 | 第21-23页 |
| 3.4 利用新闻主题计算用户相似度 | 第23-25页 |
| 3.4.1 用户-主题倒排表 | 第23-24页 |
| 3.4.2 LDA-LR推荐系统计算推荐列表过程 | 第24-25页 |
| 3.5 通过LR模型对推荐新闻进行分类 | 第25-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第四章 基于LDA-LR的个性化新闻推荐系统的设计与实现 | 第28-38页 |
| 4.1 整体架构 | 第28页 |
| 4.2 数据存储 | 第28-31页 |
| 4.3 数据采集 | 第31-33页 |
| 4.4 推荐引擎 | 第33-37页 |
| 4.4.1 执行流程 | 第33页 |
| 4.4.2 详细架构 | 第33-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 系统验证 | 第38-42页 |
| 5.1 实验环境 | 第38页 |
| 5.2 实验过程 | 第38-41页 |
| 5.2.1 实验内容 | 第38-40页 |
| 5.2.2 实验对比结果分析 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 发表论文和科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |