| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 用户兴趣信息扩展的相关研究 | 第13-14页 |
| 1.2.2 微博信息扩展的相关研究 | 第14-15页 |
| 1.2.3 微博推荐方法相关研究 | 第15-16页 |
| 1.3 研究内容及组织框架 | 第16-18页 |
| 1.3.1 研究的主要内容及创新点 | 第16-17页 |
| 1.3.2 组织框架 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 相关基础 | 第19-29页 |
| 2.1 向量空间模型(Vector Space Model) | 第19-22页 |
| 2.1.1 基本定义 | 第19页 |
| 2.1.2 权重计算方法 | 第19-20页 |
| 2.1.3 文本相似度计算 | 第20-22页 |
| 2.2 社区发现 | 第22-25页 |
| 2.2.1 社区发现方法 | 第22-24页 |
| 2.2.2 微博社区发现 | 第24-25页 |
| 2.3 查询扩展技术 | 第25-28页 |
| 2.3.1 基于全局的查询扩展方法 | 第25-26页 |
| 2.3.2 基于局部的查询扩展方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 改进的微博推荐方法 | 第29-44页 |
| 3.1 向量空间模型应用于微博推荐中的不足 | 第29-32页 |
| 3.1.1 用户兴趣信息不足 | 第29-30页 |
| 3.1.2 微博信息不足 | 第30-31页 |
| 3.1.3 微博推荐方法不足 | 第31-32页 |
| 3.2 融合社区兴趣的用户兴趣信息扩展方法 | 第32-37页 |
| 3.2.1 用户自身兴趣获取及表示 | 第32-34页 |
| 3.2.2 社区兴趣获取及表示 | 第34-36页 |
| 3.2.3 用户兴趣信息表示 | 第36-37页 |
| 3.3 基于伪相关反馈的微博信息扩展 | 第37-39页 |
| 3.3.1 初始微博信息表示 | 第37页 |
| 3.3.2 微博扩展语料获取 | 第37-38页 |
| 3.3.3 微博扩展语料表示 | 第38-39页 |
| 3.3.4 微博信息表示 | 第39页 |
| 3.4 融合信任感知的微博推荐方法 | 第39-43页 |
| 3.4.1 用户对微博的信任度计算 | 第40-41页 |
| 3.4.2 微博推荐方法 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 实验及分析 | 第44-51页 |
| 4.1 实验介绍 | 第44页 |
| 4.2 实验数据 | 第44-45页 |
| 4.3 评价标准 | 第45页 |
| 4.4 相关参数确定 | 第45-47页 |
| 4.5 实验对比 | 第47-50页 |
| 4.5.1 不同方法的P@15 比较 | 第47-48页 |
| 4.5.2 不同方法的MAP对比 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间取得的科研成果 | 第57页 |