双结构网络中基于深度学习的新闻推荐技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究目标及内容 | 第15-16页 |
| 1.3 论文组织结构 | 第16-17页 |
| 第二章 新闻信息分类与信息推荐相关研究 | 第17-27页 |
| 2.1 新闻信息分类相关研究 | 第17-20页 |
| 2.1.1 新闻信息预处理 | 第17-19页 |
| 2.1.2 新闻分类算法 | 第19-20页 |
| 2.2 信息推荐相关研究 | 第20-24页 |
| 2.2.1 协同过滤推荐算法 | 第20-21页 |
| 2.2.2 基于内容的推荐算法 | 第21-22页 |
| 2.2.3 基于规则的推荐算法 | 第22-23页 |
| 2.2.4 总结分析 | 第23-24页 |
| 2.3 深度学习相关研究 | 第24-26页 |
| 2.3.1 深度学习结构 | 第24-25页 |
| 2.3.2 深度学习训练算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 双结构网络中新闻信息分类 | 第27-38页 |
| 3.1 主要问题与研究思路 | 第27-28页 |
| 3.2 整体技术框架 | 第28-29页 |
| 3.3 新闻信息分类算法 | 第29-37页 |
| 3.3.1 网页预处理 | 第29-30页 |
| 3.3.2 特征抽取与选择 | 第30-33页 |
| 3.3.3 MBCNN分类算法 | 第33-35页 |
| 3.3.4 MBCNN训练算法 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 双结构网络中基于深度学习的协同过滤算法 | 第38-48页 |
| 4.1 主要问题与研究思路 | 第38-39页 |
| 4.2 双结构网络中推荐算法技术框架 | 第39页 |
| 4.3 DLCFA-DSN协同过滤算法 | 第39-46页 |
| 4.3.1 MDA算法及其训练 | 第39-40页 |
| 4.3.2 服务器端MDACFA协同过滤算法 | 第40-44页 |
| 4.3.3 用户端T-WORD2VEC推荐算法 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 原型系统实现与实验分析 | 第48-61页 |
| 5.1 原型系统实现 | 第48-52页 |
| 5.1.1 DLCFA-DSN推荐系统架构 | 第48-49页 |
| 5.1.2 系统实现 | 第49-52页 |
| 5.2 实验与分析 | 第52-60页 |
| 5.2.1 MBCNN算法实验与分析 | 第52-56页 |
| 5.2.2 DLCFA-DSN算法实验与分析 | 第56-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 论文总结与未来工作 | 第61-62页 |
| 6.1 论文总结 | 第61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 硕士阶段完成的工作 | 第66页 |
