| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 微博推荐 | 第10-12页 |
| 1.2.2 用户社交影响力分析 | 第12-13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 相关技术综述 | 第17-35页 |
| 2.1 LDA主题模型 | 第17-22页 |
| 2.1.1 定义与假设 | 第17-18页 |
| 2.1.2 模型原理 | 第18-20页 |
| 2.1.3 推断与估计 | 第20页 |
| 2.1.4 Gibbs抽样 | 第20-22页 |
| 2.2 因子图模型 | 第22-27页 |
| 2.2.1 因子图概论 | 第22-24页 |
| 2.2.2 基于图模型的和积算法 | 第24-25页 |
| 2.2.3 边缘函数计算 | 第25-27页 |
| 2.3 推荐算法综述 | 第27-33页 |
| 2.3.1 基于内容的推荐 | 第27-28页 |
| 2.3.2 基于协同过滤的推荐 | 第28-32页 |
| 2.3.3 结合社交网络的推荐 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于主题社交影响力的个性化微博推荐 | 第35-55页 |
| 3.1 整体解决思路与框架 | 第35-37页 |
| 3.2 用户主题兴趣建模 | 第37-39页 |
| 3.3 基于主题因子图的微博用户社交影响力计算模型 | 第39-49页 |
| 3.3.1 模型原理 | 第40-42页 |
| 3.3.2 模型训练和参数计算 | 第42-48页 |
| 3.3.3 基于主题因子图的用户间社交影响力计算 | 第48-49页 |
| 3.4 用户兴趣相似度计算 | 第49-50页 |
| 3.5 个性化微博推荐列表生成 | 第50-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 实验结果及分析 | 第55-65页 |
| 4.1 数据集和数据的预处理 | 第55-56页 |
| 4.2 算法比较 | 第56-57页 |
| 4.3 算法评估指标 | 第57-59页 |
| 4.4 评估指标对比 | 第59-61页 |
| 4.5 参数设置 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间取得的科研成果 | 第73-75页 |
| 致谢 | 第75页 |