| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 引言 | 第13-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 目前国内外研究现状 | 第15-16页 |
| 1.3 本文的组织结构 | 第16-18页 |
| 第二章 推荐算法综述 | 第18-26页 |
| 2.1 基于内容的推荐算法 | 第18-20页 |
| 2.1.1 基于内容的推荐算法的介绍 | 第18-19页 |
| 2.1.2 基于内容的推荐算法的优缺点 | 第19-20页 |
| 2.2 协同过滤推荐算法 | 第20-25页 |
| 2.2.1 基于用户的协同过滤 | 第20-23页 |
| 2.2.2 基于项目的协同过滤 | 第23-24页 |
| 2.2.3 基于模型的协同过滤 | 第24-25页 |
| 2.3 混合推荐算法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 微博话题用户群聚类 | 第26-39页 |
| 3.1 聚类算法的概念与原理 | 第26页 |
| 3.2 几种重要的聚类算法 | 第26-28页 |
| 3.3 K-Means聚类算法 | 第28-30页 |
| 3.3.1 K -Means算法的优缺点 | 第28页 |
| 3.3.2 距离计算 | 第28-29页 |
| 3.3.3 算法流程 | 第29-30页 |
| 3.4 聚类算法在微博推荐系统中的应用 | 第30-31页 |
| 3.5 基于K-Means聚类算法的微博用户聚类 | 第31-35页 |
| 3.5.1 相关概念 | 第31-33页 |
| 3.5.2 基于用户选择的微博话题的用户兴趣向量获取与用户聚类 | 第33-34页 |
| 3.5.3 用户兴趣向量获取与用户聚类的算法实现 | 第34-35页 |
| 3.6 实验结果与分析 | 第35-38页 |
| 3.6.1 数据的收集与整理 | 第35页 |
| 3.6.2 实验结果分析 | 第35-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 微博话题知识流的构建 | 第39-45页 |
| 4.1 微博话题知识流的组织方法 | 第39页 |
| 4.2 微博话题知识流的组织算法与复杂度分析 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-43页 |
| 4.3.1 数据的收集与整理 | 第41-42页 |
| 4.3.2 实验结果分析 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 基于用户选择的推荐与知识流的更新 | 第45-49页 |
| 5.1 微博话题知识流的更新 | 第45页 |
| 5.2 基于用户选择的微博话题推荐 | 第45页 |
| 5.3 基于用户选择的推荐与知识流的更新算法及其复杂度分析 | 第45-47页 |
| 5.4 实验结果与分析 | 第47-48页 |
| 5.4.1 数据的收集与整理 | 第47-48页 |
| 5.4.2 实验结果分析 | 第48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-58页 |
| 作者简介及读研期间主要科研成果 | 第58-59页 |
| 附录 | 第59-63页 |