| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 个性化搜索引擎研究现状 | 第13-14页 |
| 1.2.2 推荐算法研究现状 | 第14-16页 |
| 1.3 研究主要内容 | 第16-17页 |
| 1.4 研究方法与技术路线 | 第17-19页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 技术路线 | 第18-19页 |
| 1.5 论文组织结构 | 第19-21页 |
| 第二章 相关基础理论与技术简介 | 第21-35页 |
| 2.1 个性化搜索引擎及算法 | 第21-28页 |
| 2.1.1 常见的信息检索算法 | 第21-22页 |
| 2.1.2 前向传播和反向传播 | 第22-24页 |
| 2.1.3 句子语义分析方法 | 第24-26页 |
| 2.1.4 Solr搜索引擎简介 | 第26页 |
| 2.1.5 Solr搜索引擎原理 | 第26-28页 |
| 2.2 个性化推荐算法 | 第28-34页 |
| 2.2.1 N-Gram模型 | 第28页 |
| 2.2.2 词向量生成方法 | 第28-31页 |
| 2.2.3 PageRank算法 | 第31-32页 |
| 2.2.4 LeaderRank算法 | 第32-33页 |
| 2.2.5 加权LeaderRank算法 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于Doc2Vec和卷积神经网络的人脉搜索算法研究 | 第35-48页 |
| 3.1 用户特征信息模型构建 | 第35-40页 |
| 3.1.1 模型整体架构 | 第35-36页 |
| 3.1.2 输入层设计 | 第36-37页 |
| 3.1.3 卷积层设计 | 第37-39页 |
| 3.1.4 池化层设计 | 第39-40页 |
| 3.1.5 全连接层设计 | 第40页 |
| 3.2 人脉搜索排序算法设计 | 第40-41页 |
| 3.2.1 模型构建 | 第40-41页 |
| 3.2.2 算法流程 | 第41页 |
| 3.3 实验与分析 | 第41-47页 |
| 3.3.1 实验数据集 | 第41-42页 |
| 3.3.2 实验环境和度量标准 | 第42-43页 |
| 3.3.3 实验结果及分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于加权LeaderRank的人脉推荐算法研究 | 第48-61页 |
| 4.1 问题描述 | 第48页 |
| 4.2 数据向量化表示 | 第48-50页 |
| 4.3 人脉推荐算法设计 | 第50-54页 |
| 4.3.1 链入链出相关度 | 第51-52页 |
| 4.3.2 内容相关度 | 第52-53页 |
| 4.3.3 时间衰减度 | 第53-54页 |
| 4.4 实验与分析 | 第54-60页 |
| 4.4.1 实验数据集 | 第54页 |
| 4.4.2 实验环境和度量标准 | 第54-56页 |
| 4.4.3 实验结果及分析 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 人脉搜索推荐系统实现 | 第61-70页 |
| 5.1 系统总体架构 | 第61-62页 |
| 5.2 系统实现 | 第62-67页 |
| 5.2.1 运行环境 | 第62-63页 |
| 5.2.2 搜索模块 | 第63-65页 |
| 5.2.3 推荐模块 | 第65-67页 |
| 5.3 系统测试与评价 | 第67-69页 |
| 5.3.1 系统测试 | 第67-69页 |
| 5.3.2 系统评价 | 第69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 个人简历 | 第78页 |