基于混合机制的新闻推荐系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的研究内容和组织结构 | 第11-13页 |
| 第2章 推荐系统相关理论 | 第13-23页 |
| 2.1 协同过滤推荐算法 | 第13-17页 |
| 2.1.1 基于用户的协同过滤算法 | 第13-15页 |
| 2.1.2 用户相似度计算的改进 | 第15页 |
| 2.1.3 基于项目的协同过滤推荐算法 | 第15-16页 |
| 2.1.4 两种协同过滤推荐算法比较 | 第16-17页 |
| 2.2 基于内容的推荐算法 | 第17-19页 |
| 2.3 评测指标 | 第19-22页 |
| 2.3.1 预测准确度 | 第19-20页 |
| 2.3.2 分类准确度 | 第20-21页 |
| 2.3.3 覆盖率 | 第21页 |
| 2.3.4 用户满意度 | 第21-22页 |
| 2.3.5 多样性 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于局部特征和自聚类的主题词提取 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 主题词提取 | 第23-28页 |
| 3.2.1 分词和词性标注 | 第24页 |
| 3.2.2 重复串频统计 | 第24-25页 |
| 3.2.3 强噪声词过滤 | 第25页 |
| 3.2.4 根据位置信息的成词概率比值过滤 | 第25-26页 |
| 3.2.5 基于置信度的噪声过滤 | 第26页 |
| 3.2.6 基于自聚类的过滤 | 第26-27页 |
| 3.2.7 基于全局特征的主题词排序 | 第27-28页 |
| 3.3 主题词提取评测 | 第28-30页 |
| 3.3.1 实验数据选取说明 | 第28-29页 |
| 3.3.2 实验过程及结果 | 第29-30页 |
| 3.3.3 实验分析 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 新闻混合推荐策略及系统设计和实现 | 第32-48页 |
| 4.1 基于群推荐的混合策略 | 第32-33页 |
| 4.2 推荐模块设计 | 第33-34页 |
| 4.3 推荐模块实现 | 第34-41页 |
| 4.3.1 用户profile信息抽取 | 第35-36页 |
| 4.3.2 新闻profile信息抽取 | 第36-37页 |
| 4.3.3 三种模型组成的推荐模型池 | 第37-38页 |
| 4.3.4 新闻过滤 | 第38-40页 |
| 4.3.5 热门新闻降权及兴趣、时间修正算法 | 第40-41页 |
| 4.4 系统评测 | 第41-45页 |
| 4.5 新闻推荐系统整体功能介绍 | 第45-47页 |
| 4.5.1 全部功能概览 | 第46页 |
| 4.5.2 公告管理模块 | 第46页 |
| 4.5.3 用户管理模块 | 第46页 |
| 4.5.4 新闻阅读模块 | 第46-47页 |
| 4.5.5 兴趣管理模块 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55页 |
