基于混合推荐算法的微博网络广告推荐研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 0 前言 | 第11-13页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景及其意义 | 第13-14页 |
| 1.1.1 研究背景及其问题的提出 | 第13页 |
| 1.1.2 研究价值与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 国内研究现状 | 第14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 研究方法和研究思路 | 第15-17页 |
| 1.3.1 研究方法 | 第15页 |
| 1.3.2 研究思路 | 第15-17页 |
| 1.4 论文结构与关键技术问题 | 第17页 |
| 1.4.1 论文结构 | 第17页 |
| 1.4.2 拟解决的关键技术问题 | 第17页 |
| 1.5 本章小结 | 第17-19页 |
| 2 微博营销和推荐系统相关研究综述 | 第19-31页 |
| 2.1 微博营销研究 | 第19-21页 |
| 2.1.1 微博发展及研究 | 第19-20页 |
| 2.1.2 微博营销的发展及研究 | 第20-21页 |
| 2.2 推荐系统及其研究 | 第21-25页 |
| 2.2.1 推荐系统 | 第21-23页 |
| 2.2.2 推荐系统的研究现状 | 第23-24页 |
| 2.2.3 推荐算法的评价 | 第24-25页 |
| 2.3 中文分词技术 | 第25-27页 |
| 2.4 相似性计算方法 | 第27-29页 |
| 2.5 聚类分析 | 第29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 用户兴趣提取建模研究 | 第31-35页 |
| 3.1 基于向量空间模型的用户兴趣建模 | 第31-33页 |
| 3.1.1 基于向量空间模型的兴趣建模流程 | 第31-32页 |
| 3.1.2 基于空间向量模型的用户兴趣模型 | 第32-33页 |
| 3.2 用户－项目评分矩阵 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于项目分类的微博推荐算法研究 | 第35-43页 |
| 4.1 基于分类的推荐算法 | 第35-39页 |
| 4.1.1 网络广告分类模型构建 | 第35-38页 |
| 4.1.2 基于分类的推荐算法 | 第38-39页 |
| 4.2 基于用户聚类的推荐算法 | 第39-41页 |
| 4.2.1 基于用户划分方法的用户聚类 | 第39-40页 |
| 4.2.2 基于用户聚类的推荐算法 | 第40-41页 |
| 4.3 基于项目分类的混合推荐算法 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 网络广告推荐算法实例研究 | 第43-48页 |
| 5.1 用户兴趣建模 | 第43-45页 |
| 5.1.1 数据预处理 | 第43-44页 |
| 5.1.2 用户兴趣建模 | 第44-45页 |
| 5.2 微博网络广告推荐算法 | 第45-46页 |
| 5.2.1 基于分类的微博网络广告推荐算法 | 第45页 |
| 5.2.2 基于项目分类的混合推荐算法 | 第45-46页 |
| 5.3 微博网络广告推荐算法的评价 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 研究结论与展望 | 第48-50页 |
| 6.1 研究结论 | 第48页 |
| 6.2 论文不足及后续研究方向 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第57-58页 |
