| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·研究内容的提出 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·论文的主要研究工作 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 相关工作与研究现状 | 第15-24页 |
| ·微博平台 | 第15-17页 |
| ·短文本信息的特征表示 | 第17-20页 |
| ·互联网信息推荐技术 | 第20-23页 |
| ·基于关联规则的信息推荐技术 | 第20-21页 |
| ·基于内容的信息推荐技术 | 第21-22页 |
| ·基于协同过滤算法的信息推荐技术 | 第22-23页 |
| ·混合式信息推荐技术 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于微博平台的信息推荐 | 第24-41页 |
| ·微博短文本特征表示 | 第24-34页 |
| ·基于Nugget的文本特征表示 | 第24-26页 |
| ·基于概率主题模型的文本特征表示 | 第26-34页 |
| ·概率主题模型应用思想 | 第27页 |
| ·LDA(Latent Dirichlet Allocation)应用 | 第27-30页 |
| ·基于LDA(Latent Dirichlet Allocation)的文本主题抽取 | 第30-34页 |
| ·基于协同过滤算法的微博短文本信息推荐 | 第34-38页 |
| ·基于Nugget近邻的微博短文本推荐 | 第34-35页 |
| ·基于概率主题模型LDA的微博短文本推荐 | 第35-38页 |
| ·融合用户兴趣度的微博信息推荐 | 第38-39页 |
| ·几个传统问题的解决方案 | 第39-40页 |
| ·稀疏性问题 | 第39页 |
| ·冷启动问题 | 第39-40页 |
| ·扩展性问题 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 实验设计与结果分析 | 第41-47页 |
| ·实验数据 | 第41页 |
| ·实验设计 | 第41-43页 |
| ·评价标准 | 第41-42页 |
| ·实验方案 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·基于Nugget近邻的微博短文本推荐算法 | 第43页 |
| ·基于概率主题模型LDA的微博短文本推荐算法 | 第43-45页 |
| ·融合用户兴趣度的微博信息推荐算法 | 第45页 |
| ·基于TF-IDF的协同过滤算法 | 第45页 |
| ·实验结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 结束语 | 第47-49页 |
| ·本文工作总结 | 第47-48页 |
| ·下一步研究展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 作者简历 | 第52页 |