基于语义构建个人知识网络相关技术研究
| 提要 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-20页 |
| ·相关技术介绍 | 第15-18页 |
| ·本篇论文结构 | 第18-19页 |
| ·本文的主要贡献 | 第19-20页 |
| 第2章 知识单元的发现 | 第20-37页 |
| ·相关工作 | 第21-22页 |
| ·Gaussian 处理过程 | 第22-30页 |
| ·Gaussian 处理变量模型 | 第23页 |
| ·动态关联主题模型 | 第23-28页 |
| ·优化 | 第28页 |
| ·推理和预测 | 第28-30页 |
| ·实验部分 | 第30-35页 |
| ·模拟数据 | 第30-31页 |
| ·来自 CiteULike 的知识单元 | 第31-34页 |
| ·分类表现 | 第34-35页 |
| ·预测表现 | 第35页 |
| ·总结 | 第35-37页 |
| 第3章 知识单元的搜索与排序 | 第37-73页 |
| ·介绍 | 第37-38页 |
| ·相关工作 | 第38-39页 |
| ·基于知识领域的协作搜索研究 | 第39-50页 |
| ·介绍 | 第39-41页 |
| ·数据准备与问题概括 | 第41-43页 |
| ·标签列表和 Top-k 预处理 | 第43-50页 |
| ·聚类查询用户 | 第50-52页 |
| ·聚类的性能评价 | 第52-55页 |
| ·聚类标记用户 | 第55-57页 |
| ·实验部分 | 第57-73页 |
| ·实验准备 | 第57-58页 |
| ·数据和评价方法 | 第58-60页 |
| ·全局上限的性能 | 第60-62页 |
| ·聚类查询用户 | 第62-65页 |
| ·聚类质量衡量的效率 | 第65-69页 |
| ·标记用户的聚类 | 第69-73页 |
| 第4章 基于语义的知识推荐方法 | 第73-141页 |
| ·相关工作 | 第73-82页 |
| ·用户使用挖掘 | 第73-74页 |
| ·知识单元日志与数据预处理 | 第74-75页 |
| ·序列模式挖掘 | 第75-79页 |
| ·领域知识与本体表示 | 第79-82页 |
| ·Web 推荐系统概述 | 第82-88页 |
| ·基于内容推荐 | 第82-83页 |
| ·协同过滤 | 第83页 |
| ·混合方法 | 第83-84页 |
| ·推荐系统中语义和内容的使用 | 第84-87页 |
| ·小结 | 第87-88页 |
| ·基于知识单元推荐方法 | 第88-93页 |
| ·对语义日志的预处理 | 第93-94页 |
| ·本体的不足和从日志中构建本体 | 第94-103页 |
| ·在预处理中将知识单元转化为语义对象 | 第96-97页 |
| ·计算语义距离 | 第97-103页 |
| ·基于语义的序列模式挖掘 | 第103-135页 |
| ·计算复杂度 | 第135-141页 |
| ·实验评估 | 第135-138页 |
| ·总结 | 第138-141页 |
| 第5章 总结与展望 | 第141-143页 |
| 参考文献 | 第143-157页 |
| 作者简介及在读期间取得的科研成果 | 第157-159页 |
| 致谢 | 第159页 |
