基于谱聚类的微博关注推荐方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景 | 第12-13页 |
| ·研究目的及意义 | 第13-14页 |
| ·国内外研究现状及评述 | 第14-19页 |
| ·微博用户兴趣建模文献综述 | 第14-16页 |
| ·谱聚类算法文献综述 | 第16-18页 |
| ·协同过滤算法文献综述 | 第18-19页 |
| ·研究内容及组织结构 | 第19-22页 |
| ·研究内容 | 第19-20页 |
| ·论文的组织结构 | 第20-22页 |
| 第二章 概念界定、相关技术及方法框架 | 第22-36页 |
| ·概念界定 | 第22-24页 |
| ·微博用户关注推荐项目 | 第22页 |
| ·微博用户属性 | 第22页 |
| ·微博用户行为 | 第22-24页 |
| ·关键词 | 第24页 |
| ·相关技术 | 第24-30页 |
| ·谱聚类算法及其相关技术 | 第24-27页 |
| ·协同过滤算法及其相关技术 | 第27-30页 |
| ·方法框架 | 第30-35页 |
| ·基于多维特征的微博用户兴趣模型构建 | 第32-34页 |
| ·基于谱聚类算法的用户分组 | 第34页 |
| ·基于协同过滤算法的微博关注推荐 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 基于多维特征的微博用户兴趣模型构建 | 第36-44页 |
| ·微博用户兴趣来源分析 | 第37-41页 |
| ·微博用户行为分析 | 第37-39页 |
| ·关键词分析 | 第39-40页 |
| ·微博用户属性分析 | 第40-41页 |
| ·微博用户关注兴趣模型的构成 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于隐性评分的微博关注推荐方法设计 | 第44-50页 |
| ·微博用户行为的隐性评分设计 | 第45-46页 |
| ·微博用户属性信息分析 | 第46-47页 |
| ·性别分析 | 第46页 |
| ·年龄分析 | 第46-47页 |
| ·微博用户相似邻居的选取 | 第47-48页 |
| ·微博用户关注推荐产生 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第五章 实验与评估 | 第50-63页 |
| ·评价指标 | 第50-51页 |
| ·实验设计 | 第51-52页 |
| ·数据收集 | 第52-55页 |
| ·微博用户基本信息数据 | 第52-53页 |
| ·关键词数据 | 第53-54页 |
| ·微博用户行为数据 | 第54页 |
| ·微博用户关系数据 | 第54-55页 |
| ·算法实现及实验结果分析 | 第55-62页 |
| ·基于谱聚类的微博用户分组 | 第55-57页 |
| ·基于协同过滤的微博关注推荐 | 第57-60页 |
| ·微博关注推荐的结果及分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73页 |
