| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 关于标签的研究 | 第14-15页 |
| 1.2.2 关于个性化信息推荐的研究 | 第15-16页 |
| 1.2.3 基于标签的个性化推荐算法的研究 | 第16-17页 |
| 1.3 研究内容和研究方法 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 研究方法 | 第18页 |
| 1.4 拟解决的关键问题和创新点 | 第18-19页 |
| 1.4.1 拟解决的关键问题 | 第18页 |
| 1.4.2 本文创新点 | 第18-19页 |
| 2 社会化标签与个性化信息推荐相关理论 | 第19-26页 |
| 2.1 社会化标签概述 | 第19-21页 |
| 2.1.1 标签概念 | 第19页 |
| 2.1.2 标签的属性 | 第19-20页 |
| 2.1.3 标签的局限性 | 第20-21页 |
| 2.2 个性化信息推荐概述 | 第21-25页 |
| 2.2.1 个性化信息推荐的含义 | 第21页 |
| 2.2.2 个性化信息推荐的方法 | 第21-25页 |
| 2.3 基于社会化标签的个性化推荐模型中存在的问题 | 第25-26页 |
| 2.4 本章小结 | 第26页 |
| 3 基于社会化标签的个性化信息推荐的关键技术 | 第26-34页 |
| 3.1 用户相似度计算 | 第26-28页 |
| 3.1.1 皮尔森相关系数 | 第26-27页 |
| 3.1.2 夹角余弦相似度 | 第27页 |
| 3.1.3 Jaccard相似性系数 | 第27-28页 |
| 3.2 用户社群发现 | 第28-31页 |
| 3.2.1 用户社群的概念 | 第28-30页 |
| 3.2.2 多层矩阵模型表示群用户兴趣 | 第30-31页 |
| 3.2.3 意见领袖挖掘 | 第31页 |
| 3.3 用户兴趣模型构建 | 第31-34页 |
| 3.3.1 用户兴趣学习 | 第31-32页 |
| 3.3.2 用户兴趣模型表示方法 | 第32-34页 |
| 3.4 本章小结 | 第34页 |
| 4 基于标签——用户关系的个性化信息推荐模型构建 | 第34-43页 |
| 4.1 个性化信息推荐模型架构 | 第34-37页 |
| 4.2 基于标签的用户社群兴趣关系挖掘 | 第37-40页 |
| 4.2.1 基于标签的用户兴趣模型构建指标 | 第38-39页 |
| 4.2.2 基于标签的相似兴趣用户发现 | 第39-40页 |
| 4.3 基于用户关系的社群关系挖掘 | 第40-43页 |
| 4.3.1 基于用户关系的用户兴趣模型构建指标 | 第40-41页 |
| 4.3.2 基于用户关系的相似兴趣用户聚类 | 第41-43页 |
| 4.4 本章小结 | 第43页 |
| 5 实证研究 | 第43-56页 |
| 5.1 实验数据 | 第43-44页 |
| 5.2 数据预处理 | 第44-45页 |
| 5.3 用户聚类 | 第45-53页 |
| 5.3.1 基于标签的相似用户聚类 | 第45-49页 |
| 5.3.2 基于用户关注的相似用户聚类 | 第49-53页 |
| 5.4 基于标签——用户关注的相似用户聚类 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 在校期间发表的论文、科研成果等 | 第62-63页 |
| 附录 | 第63-69页 |
| 附录A | 第63-64页 |
| 附录B | 第64-69页 |
| 致谢 | 第69页 |