基于微博用户兴趣的个性化信息推荐方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题的背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 微博相关研究 | 第9-11页 |
| 1.2.2 用户兴趣挖掘 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 相关工作 | 第14-26页 |
| 2.1 微博简介 | 第14-15页 |
| 2.2 推荐算法 | 第15-20页 |
| 2.2.1 协同过滤推荐算法 | 第16-18页 |
| 2.2.2 基于内容的推荐算法 | 第18页 |
| 2.2.3 混合推荐算法 | 第18-19页 |
| 2.2.4 社交网络推荐算法 | 第19-20页 |
| 2.3 文本模型简介与推导 | 第20-25页 |
| 2.3.1 TF-IDF模型 | 第20-21页 |
| 2.3.2 主题模型 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 微博网络好友推荐算法研究 | 第26-47页 |
| 3.1 微博内容扩充算法 | 第26-30页 |
| 3.1.1 微博内容特征分析 | 第26-27页 |
| 3.1.2 微博内容扩充算法 | 第27-30页 |
| 3.2 基于网络拓扑结构的推荐候集选取 | 第30-32页 |
| 3.2.1 微博用户类型分类 | 第30页 |
| 3.2.2 候选集选取策略 | 第30-32页 |
| 3.3 微博用户兴趣分析 | 第32-35页 |
| 3.3.1 微博用户兴趣建模 | 第32-34页 |
| 3.3.2 微博用户兴趣模型求解 | 第34-35页 |
| 3.4 微博用户个性化推荐算法 | 第35-36页 |
| 3.5 实验评估与结果分析 | 第36-46页 |
| 3.5.1 数据采集 | 第36-39页 |
| 3.5.2 主题模型构建 | 第39-43页 |
| 3.5.3 微博用户推荐实验及其结果 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于微博用户兴趣的个性化推荐系统 | 第47-60页 |
| 4.1 概述 | 第47页 |
| 4.2 系统架构 | 第47-50页 |
| 4.2.1 功能划分 | 第47-49页 |
| 4.2.2 系统架构 | 第49-50页 |
| 4.3 系统设计 | 第50-56页 |
| 4.3.1 系统主要流程 | 第51-54页 |
| 4.3.2 数据库设计 | 第54-56页 |
| 4.4 系统的实现与应用 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
