基于社区发现和关联规则的论文混合推荐技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 论文研究内容及组织结构 | 第14-16页 |
| 2 个性化推荐理论与技术 | 第16-22页 |
| 2.1 传统的个性化推荐技术 | 第16-19页 |
| 2.1.1 基于内容过滤的推荐算法 | 第16-17页 |
| 2.1.2 协同过滤算法 | 第17-18页 |
| 2.1.3 关联规则算法 | 第18-19页 |
| 2.1.4 混合推荐算法 | 第19页 |
| 2.2 基于社区发现的个性化推荐技术 | 第19-21页 |
| 2.2.1 基于图论的算法 | 第20页 |
| 2.2.2 层次聚类算法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 GN-AP混合推荐算法设计 | 第22-32页 |
| 3.1 GN算法和Apriori算法 | 第22-23页 |
| 3.1.1 GN算法 | 第22-23页 |
| 3.1.2 Apriori算法 | 第23页 |
| 3.2 GN-AP混合推荐技术 | 第23-25页 |
| 3.2.1 算法思想 | 第23-24页 |
| 3.2.2 算法框架设计 | 第24-25页 |
| 3.3 算法详细设计 | 第25-30页 |
| 3.3.1 DOT特征图表语言 | 第25-26页 |
| 3.3.2 基于GN算法的社区发现 | 第26-29页 |
| 3.3.3 基于Apriori算法的关联规则挖掘 | 第29-30页 |
| 3.3.4 论文兴趣度度量 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 4 GN-AP混合推荐算法实现及性能分析 | 第32-50页 |
| 4.1 GN-AP混合推荐算法实现过程 | 第32-46页 |
| 4.1.1 构建兴趣相似用户群 | 第32-40页 |
| 4.1.2 基于Apriori算法的论文推荐 | 第40-45页 |
| 4.1.3 引入论文兴趣度的论文推荐 | 第45-46页 |
| 4.2 GN-AP混合推荐算法性能分析 | 第46-49页 |
| 4.2.1 性能评价标准 | 第46-47页 |
| 4.2.2 推荐结果分析 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 论文个性化推荐系统 | 第50-61页 |
| 5.1 系统概述 | 第50-52页 |
| 5.1.1 系统需求 | 第50-51页 |
| 5.1.2 系统框架 | 第51-52页 |
| 5.1.3 系统开发及运行环境 | 第52页 |
| 5.2 数据库设计 | 第52-55页 |
| 5.2.1 用户信息表 | 第52页 |
| 5.2.2 用户关注信息表 | 第52-53页 |
| 5.2.3 论文信息表 | 第53页 |
| 5.2.4 论文学科信息表 | 第53页 |
| 5.2.5 论文收藏表 | 第53-54页 |
| 5.2.6 论文推荐表 | 第54页 |
| 5.2.7 数据库关系图 | 第54-55页 |
| 5.3 主要模块设计 | 第55页 |
| 5.3.1 个性化推荐模块 | 第55页 |
| 5.3.2 热门论文推荐模块 | 第55页 |
| 5.4 实现功能展示 | 第55-60页 |
| 5.4.1 用户登录部分 | 第55-57页 |
| 5.4.2 离线处理部分 | 第57-58页 |
| 5.4.3 在线推荐部分 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
