基于用户情境的实时兴趣模型研究及应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究难点 | 第13-14页 |
| 1.4 论文的主要内容 | 第14页 |
| 1.5 论文的结构 | 第14-16页 |
| 第2章 传统推荐算法对比分析 | 第16-25页 |
| 2.1 基于知识的推荐 | 第16-17页 |
| 2.1.1 基于约束的推荐 | 第16-17页 |
| 2.1.2 基于实例的推荐 | 第17页 |
| 2.2 基于内容的推荐 | 第17-18页 |
| 2.3 基于协同过滤的推荐 | 第18-20页 |
| 2.3.1 基于用户的最近邻推荐 | 第19-20页 |
| 2.3.2 基于项目的最近邻推荐 | 第20页 |
| 2.4 混合推荐算法 | 第20-21页 |
| 2.5 几种推荐算法对比分析 | 第21页 |
| 2.6 推荐算法的评价标准 | 第21-24页 |
| 2.6.1 评分预测 | 第22页 |
| 2.6.2 Top-N推荐 | 第22-23页 |
| 2.6.3 推荐效用最优 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 用户情境感知技术研究 | 第25-34页 |
| 3.1 情境分类及获取 | 第25-27页 |
| 3.1.1 情境分类 | 第25-26页 |
| 3.1.2 情境获取 | 第26-27页 |
| 3.2 情境感知应用过程 | 第27-30页 |
| 3.2.1 情境的表示和过滤筛选 | 第27-28页 |
| 3.2.2 情境的识别和应用 | 第28-30页 |
| 3.3 情境感知推荐技术 | 第30-33页 |
| 3.3.1 情境预过滤 | 第31-32页 |
| 3.3.2 情境后过滤 | 第32页 |
| 3.3.3 情境建模 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于用户情境的实时兴趣模型 | 第34-52页 |
| 4.1 用户标签兴趣模型 | 第35-39页 |
| 4.1.1 兴趣标签 | 第35-36页 |
| 4.1.2 兴趣标签标准化 | 第36-37页 |
| 4.1.3 标签兴趣模型 | 第37-39页 |
| 4.2 用户行为兴趣模型 | 第39-41页 |
| 4.2.1 用户行为特征提取 | 第39-40页 |
| 4.2.2 用户行为兴趣项权重计算 | 第40-41页 |
| 4.3 用户情境兴趣模型 | 第41-43页 |
| 4.3.1 用户的情境兴趣 | 第41-42页 |
| 4.3.2 用户情境相似度 | 第42-43页 |
| 4.3.3 情境兴趣项权重计算 | 第43页 |
| 4.4 用户实时兴趣模型 | 第43-44页 |
| 4.5 基于遗忘函数的算法更新 | 第44-46页 |
| 4.6 实验设计与结果分析 | 第46-51页 |
| 4.6.1 实验数据 | 第46-48页 |
| 4.6.2 实验方法与结果 | 第48-50页 |
| 4.6.3 实验结果分析 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 用户实时兴趣模型在儿童失踪领域的应用 | 第52-58页 |
| 5.1 基于情境感知的用户兴趣偏好 | 第52-54页 |
| 5.2 建立失踪儿童信息推荐系统 | 第54-56页 |
| 5.2.1 推荐系统结构分析 | 第54-55页 |
| 5.2.2 协同过滤推荐算法 | 第55-56页 |
| 5.3 实时兴趣模型更新的实验验证 | 第56-57页 |
| 5.3.1 评价方法 | 第56页 |
| 5.3.2 模型更新有效性验证实验 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论和展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-62页 |
