社会化问答网站中话题推荐系统的研究
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 问答网站的发展历程 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文的研究内容 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 2. 推荐系统概述 | 第16-24页 |
| 2.1 推荐系统的概念及发展 | 第16页 |
| 2.2 推荐系统的主要推荐方法 | 第16-18页 |
| 2.3 推荐系统的应用 | 第18-20页 |
| 2.3.1 电子商务领域的应用 | 第18页 |
| 2.3.2 电影和视频网站 | 第18-19页 |
| 2.3.3 社交网络 | 第19-20页 |
| 2.4 推荐系统体系结构 | 第20-24页 |
| 2.4.1 推荐系统分类 | 第21-22页 |
| 2.4.2 推荐系统评测指标 | 第22-24页 |
| 3.基于LDA的话题推荐系统 | 第24-30页 |
| 3.1 LDA概念及作用 | 第24-25页 |
| 3.2 话题推荐的应用场景 | 第25-26页 |
| 3.3 主题模型综述 | 第26-30页 |
| 3.3.1 主题模型简介 | 第26-27页 |
| 3.3.2 主题模型的主要内容及内容演化 | 第27-28页 |
| 3.3.3 主题模型的参数估计 | 第28-30页 |
| 4.话题推荐算法的关键技术 | 第30-47页 |
| 4.1 中文分词 | 第30页 |
| 4.2 基于编码Trie树的分词词典构造算法 | 第30-35页 |
| 4.3 LDA模型训练 | 第35-40页 |
| 4.4 在线推荐部分 | 第40-47页 |
| 4.4.1 相似度计算 | 第40-42页 |
| 4.4.2 基于KD-树的向量查找结构 | 第42-46页 |
| 4.4.3 基于LDA的话题抽取算法 | 第46-47页 |
| 5.实验评估 | 第47-54页 |
| 5.1 性能评估 | 第47-50页 |
| 5.1.1 分词性能评估 | 第47-48页 |
| 5.1.2 话题推荐算法性能评估 | 第48-50页 |
| 5.2 话题抽取效果评估 | 第50-54页 |
| 5.2.1 数据抽取与基准模型 | 第50-51页 |
| 5.2.2 实验结果及分析 | 第51-54页 |
| 6.总结与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60-61页 |
