基于微博用户的新闻推荐系统的设计与实现
| 摘要 | 第6-7页 |
| Anstract | 第7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 微博用户分类及其兴趣挖掘 | 第13-15页 |
| 1.2.2 个性化推荐技术 | 第15-16页 |
| 1.3 本论文研究内容及章节安排 | 第16-18页 |
| 1.3.1 本论文研究内容 | 第16页 |
| 1.3.2 本论文章节安排 | 第16-18页 |
| 第2章 系统需求分析与概要设计 | 第18-25页 |
| 2.1 系统需求分析 | 第18-20页 |
| 2.1.1 目标需求 | 第18页 |
| 2.1.2 功能需求 | 第18-20页 |
| 2.2 系统总体架构设计 | 第20-21页 |
| 2.3 系统模块划分及功能描述 | 第21-23页 |
| 2.3.1 模块划分 | 第21页 |
| 2.3.2 微博数据采集 | 第21-22页 |
| 2.3.3 用户兴趣预测 | 第22-23页 |
| 2.3.4 新闻推荐 | 第23页 |
| 2.4 系统开发环境及工具 | 第23-24页 |
| 2.4.1 系统开发平台 | 第23-24页 |
| 2.4.2 系统开发工具 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 微博数据采集模块详细设计与实现 | 第25-34页 |
| 3.1 概述 | 第25-26页 |
| 3.1.1 网络爬虫技术 | 第25页 |
| 3.1.2 中间件技术 | 第25-26页 |
| 3.2 采集模块的基本结构 | 第26-27页 |
| 3.3 采集模块的设计实现 | 第27-32页 |
| 3.3.1 ICE中间件的设计实现 | 第27-29页 |
| 3.3.2 服务端的设计实现 | 第29-31页 |
| 3.3.3 客户端的设计实现 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 用户兴趣预测模块详细设计与实现 | 第34-49页 |
| 4.1 概述 | 第34页 |
| 4.2 微博数据预处理 | 第34-35页 |
| 4.2.1 中文分词 | 第34-35页 |
| 4.2.2 停用词去除 | 第35页 |
| 4.3 用户兴趣特征提取 | 第35-42页 |
| 4.3.1 词向量 | 第35-39页 |
| 4.3.2 微博关键词提取 | 第39-40页 |
| 4.3.3 用户兴趣向量生成 | 第40-42页 |
| 4.4 微博用户兴趣预测 | 第42-46页 |
| 4.4.1 文本分类技术 | 第42-43页 |
| 4.4.2 逻辑回归模型 | 第43-45页 |
| 4.4.3 分类器训练预测 | 第45-46页 |
| 4.5 模块API接口设计 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 新闻推荐模块详细设计与实现 | 第49-56页 |
| 5.1 概述 | 第49页 |
| 5.2 新闻采集与分类 | 第49-50页 |
| 5.3 新闻推荐 | 第50-52页 |
| 5.4 Web平台实现 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 系统运行及效果分析 | 第56-63页 |
| 6.1 运行环境搭建 | 第56页 |
| 6.2 微博数据采集 | 第56-57页 |
| 6.3 用户兴趣预测评价 | 第57-59页 |
| 6.4 新闻推荐效果评价 | 第59-60页 |
| 6.5 系统整体运行效果 | 第60-62页 |
| 6.6 本章小结 | 第62-63页 |
| 结论与展望 | 第63-64页 |
| 结论 | 第63页 |
| 进一步工作 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
