基于查询日志分析的主动标签推荐系统
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 本文所做工作 | 第13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关研究综述 | 第15-31页 |
| 2.1 CADAL项目介绍 | 第15-16页 |
| 2.2 推荐技术概述 | 第16-23页 |
| 2.2.1 基于内容的推荐算法 | 第16-18页 |
| 2.2.2 基于协同过滤的推荐算法 | 第18-23页 |
| 2.2.3 标签在推荐中的应用 | 第23页 |
| 2.3 聚类算法 | 第23-26页 |
| 2.3.1 聚类算法概述 | 第23-24页 |
| 2.3.2 聚类算法分类 | 第24-26页 |
| 2.4 众包技术 | 第26-29页 |
| 2.4.1 众包的起源 | 第26页 |
| 2.4.2 众包技术的关键流程 | 第26-28页 |
| 2.4.3 众包的模式 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于谱聚类和众包技术的推荐模型 | 第31-50页 |
| 3.1 推荐模型整体架构 | 第31-32页 |
| 3.2 谱聚类概述 | 第32-33页 |
| 3.3 谱聚类基本理论 | 第33-36页 |
| 3.3.1 Laplacian矩阵 | 第33-34页 |
| 3.3.2 图划分准则 | 第34-36页 |
| 3.4 谱聚类算法 | 第36-41页 |
| 3.4.1 目标函数 | 第36-37页 |
| 3.4.2 目标函数与Laplacian矩阵 | 第37-39页 |
| 3.4.3 Laplacian矩阵的降维 | 第39页 |
| 3.4.4 k-means聚类算法 | 第39-40页 |
| 3.4.5 谱聚类算法计算过程 | 第40-41页 |
| 3.5 众包概述 | 第41-42页 |
| 3.6 众包任务推送 | 第42-43页 |
| 3.6.1 任务推送方法选取 | 第42页 |
| 3.6.2 众包任务的分类 | 第42-43页 |
| 3.7 众包结果的收集 | 第43-45页 |
| 3.7.1 众包结果的表示 | 第43-44页 |
| 3.7.2 众包结果的收集 | 第44页 |
| 3.7.3 众包结果对聚类结果的优化 | 第44-45页 |
| 3.8 实验结果 | 第45-49页 |
| 3.8.1 谱聚类实验结果 | 第45-47页 |
| 3.8.2 众包对聚类优化实验结果 | 第47-49页 |
| 3.9 本章小结 | 第49-50页 |
| 第4章 主动标签推荐在CADAL的应用 | 第50-67页 |
| 4.1 系统整体架构 | 第50-55页 |
| 4.2 日志收集系统 | 第55-60页 |
| 4.2.1 整体架构 | 第55-57页 |
| 4.2.2 数据的采集 | 第57-58页 |
| 4.2.3 数据的实时处理 | 第58-59页 |
| 4.2.4 数据的存储 | 第59-60页 |
| 4.3 数据的提取与清洗 | 第60-63页 |
| 4.4 检索词聚类 | 第63-64页 |
| 4.5 众包平台 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74-76页 |
| 作者简历 | 第76页 |
