基于协同过滤的学术推荐研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究的目的和意义 | 第13-14页 |
| 1.3 国内外研究概况 | 第14-19页 |
| 1.3.1 基于协同过滤的推荐策略 | 第14-15页 |
| 1.3.2 基于内容的推荐策略 | 第15-17页 |
| 1.3.3 基于人口统计学的推荐 | 第17-18页 |
| 1.3.4 混合的推荐机制 | 第18页 |
| 1.3.5 基于网络结构的推荐 | 第18-19页 |
| 1.4 论文的主要研究内容 | 第19-20页 |
| 1.5 本文的组织结构 | 第20页 |
| 1.6 本章小结 | 第20-21页 |
| 第二章 用户兴趣模型研究 | 第21-32页 |
| 2.1 用户兴趣的获取 | 第21-24页 |
| 2.1.1 兴趣获取方法 | 第21-22页 |
| 2.1.2 本文的获取方法 | 第22-24页 |
| 2.2 用户兴趣的表示 | 第24-28页 |
| 2.2.1 兴趣表示方法 | 第24-26页 |
| 2.2.2 概念和概念关系表示 | 第26-28页 |
| 2.3 用户模型的构建 | 第28-30页 |
| 2.3.1 模型构建方法 | 第28-29页 |
| 2.3.2 自动建模方法 | 第29-30页 |
| 2.4 用户兴趣的预测 | 第30-31页 |
| 2.4.1 兴趣预测方法 | 第30页 |
| 2.4.2 协同过滤预测方法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 协同过滤技术研究 | 第32-40页 |
| 3.1 传统协同过滤方法 | 第32-34页 |
| 3.1.1 基于用户的协同过滤 | 第32-33页 |
| 3.1.2 基于项目的协同过滤 | 第33-34页 |
| 3.1.3 基于模型的协同过滤 | 第34页 |
| 3.2 基于用户的协同过滤 | 第34-37页 |
| 3.2.1 基于用户的协同过滤推荐的实现步骤 | 第34-36页 |
| 3.2.2 传统基于用户协同过滤利弊分析 | 第36-37页 |
| 3.3 协同过滤技术实现 | 第37-39页 |
| 3.3.1 数据结构 | 第37-38页 |
| 3.3.2 计算相似度 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于协同过滤的学术推荐 | 第40-47页 |
| 4.1 学术推荐方法 | 第40-41页 |
| 4.1.1 构建用户兴趣模型 | 第40页 |
| 4.1.2 发现协同用户 | 第40页 |
| 4.1.3 预测用户兴趣 | 第40-41页 |
| 4.1.4 学术推荐 | 第41页 |
| 4.2 构建用户兴趣模型 | 第41-42页 |
| 4.3 发现协同用户 | 第42-45页 |
| 4.3.1 用户兴趣模型更新 | 第42-44页 |
| 4.3.2 发现协同用户 | 第44-45页 |
| 4.4 预测用户兴趣 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 实验 | 第47-61页 |
| 5.1 实验平台介绍 | 第47-49页 |
| 5.1.1 实验平台环境 | 第47页 |
| 5.1.2 实验平台组成部分 | 第47-49页 |
| 5.2 学术推荐实验平台设计 | 第49-60页 |
| 5.2.1 实验数据 | 第49-50页 |
| 5.2.2 文本预处理 | 第50页 |
| 5.2.3 阈值的确定 | 第50-53页 |
| 5.2.4 用户兴趣模型的构建 | 第53-54页 |
| 5.2.5 协同用户发现结果分析 | 第54-57页 |
| 5.2.6 调整权重的必要性验证 | 第57页 |
| 5.2.7 预测用户兴趣 | 第57-59页 |
| 5.2.8 学术推荐 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第68-69页 |
| 作者在攻读硕士学位期间所作的项目 | 第69-70页 |
| 致谢 | 第70页 |
