| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1. 绪论 | 第11-21页 |
| ·研究背景 | 第11-13页 |
| ·研究动机和意义 | 第13-15页 |
| ·研究动机 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·基本概念 | 第15-18页 |
| ·社会化媒体 | 第15-16页 |
| ·推荐系统 | 第16-18页 |
| ·其他概念 | 第18页 |
| ·研究内容与系统框架 | 第18-19页 |
| ·研究内容 | 第18页 |
| ·系统框架 | 第18-19页 |
| ·本文的主要贡献和结构安排 | 第19-21页 |
| 2. 研究基础与背景 | 第21-34页 |
| ·新闻推荐 | 第22-23页 |
| ·新闻推荐概述 | 第22页 |
| ·新闻推荐研究现状 | 第22-23页 |
| ·现有新闻推荐系统的不足 | 第23页 |
| ·信息检索 | 第23-26页 |
| ·信息检索概述 | 第23-24页 |
| ·信息检索相关技术—Google的PageRank算法 | 第24-25页 |
| ·基于Java的全文检索引擎Lucene | 第25页 |
| ·本文研究中的应用 | 第25-26页 |
| ·话题检测与跟踪 | 第26-29页 |
| ·话题检测与跟踪概述 | 第26页 |
| ·话题检测与跟踪发展现状 | 第26-27页 |
| ·话题检测与跟踪核心技术 | 第27-29页 |
| ·相关语言模型 | 第29-31页 |
| ·相关语言模型概述 | 第29-30页 |
| ·相关语言模型核心技术 | 第30-31页 |
| ·本文研究中的应用 | 第31页 |
| ·用户界面设计 | 第31-32页 |
| ·本文研究的特色 | 第32页 |
| ·本章小结 | 第32-34页 |
| 3. 新闻推荐系统设计 | 第34-49页 |
| ·通过基于图的模型计算评论得分 | 第34-40页 |
| ·评论关系 | 第34-36页 |
| ·评论得分 | 第36-40页 |
| ·话题轮廓文件构建 | 第40-44页 |
| ·话题轮廓文件构建模型 | 第40-41页 |
| ·话题轮廓文件构建算法 | 第41-44页 |
| ·利用相关语言模型进行新闻检索 | 第44-47页 |
| ·推荐新闻检索模型 | 第45-46页 |
| ·新闻推荐检索算法 | 第46-47页 |
| ·呈现被推荐新闻 | 第47页 |
| ·本章小结 | 第47-49页 |
| 4. 实验设计与实验评价 | 第49-56页 |
| ·实验数据 | 第49-50页 |
| ·实验工具 | 第50-51页 |
| ·实验基本方法 | 第51页 |
| ·新闻推荐系统性能度量方法 | 第51-52页 |
| ·统计学显著性 | 第52页 |
| ·总体性能 | 第52-53页 |
| ·话题轮廓构建参数 | 第53页 |
| ·评论影响 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5. 总结与展望 | 第56-59页 |
| ·研究工作总结 | 第56-57页 |
| ·未来的研究内容展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 后记 | 第65-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的科研成果目录 | 第67页 |