基于博主综合影响力排序的微博文本流在线推荐技术
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 短文本分类技术的研究 | 第11-12页 |
| 1.2.2 博文检索模型的研究 | 第12-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 微博文本流在线推荐技术相关研究 | 第16-33页 |
| 2.1 微博文本推荐问题描述 | 第16-18页 |
| 2.1.1 微博文本推荐的定义 | 第16-17页 |
| 2.1.2 微博文本推荐的一般过程 | 第17-18页 |
| 2.2 文本特征扩展技术 | 第18-21页 |
| 2.2.1 基于外部资源的特征扩展 | 第19-20页 |
| 2.2.2 基于内部资源的特征扩展 | 第20-21页 |
| 2.3 微博文本相关度计算模型 | 第21-24页 |
| 2.3.1 基于大规模语料库的文本相关度计算 | 第21-22页 |
| 2.3.2 基于语义词典的文本相关度计算 | 第22-24页 |
| 2.4 微博文本检索模型 | 第24-32页 |
| 2.4.1 经典检索模型 | 第24-26页 |
| 2.4.2 排序学习模型 | 第26-27页 |
| 2.4.3 博主影响力度量模型 | 第27-30页 |
| 2.4.4 检索模型准确性评测方法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于词向量模型的短文本分类 | 第33-41页 |
| 3.1 话题关键词的构建 | 第33-35页 |
| 3.1.1 关键词抽取 | 第33-34页 |
| 3.1.2 关键词扩展 | 第34-35页 |
| 3.2 短文本语义相关度计算方法 | 第35-37页 |
| 3.3 基于词向量模型的短文本分类框架 | 第37-38页 |
| 3.4 实验分析 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 综合博主影响力的文本重要度计算 | 第41-52页 |
| 4.1 微博文本特征分析 | 第41-42页 |
| 4.2 基于话题特征和时效性的影响力度量算法 | 第42-45页 |
| 4.2.1 影响力计算模型 | 第42-43页 |
| 4.2.2 用户间话题相似度 | 第43页 |
| 4.2.3 算法描述 | 第43-45页 |
| 4.3 实验分析 | 第45-50页 |
| 4.3.1 实验数据集 | 第45-46页 |
| 4.3.2 算法有效性验证 | 第46-50页 |
| 4.4 微博文本重要度评估 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于排序学习模型的博文推荐系统应用与实现 | 第52-59页 |
| 5.1 基于排序学习模型的博文推荐系统设计 | 第52-54页 |
| 5.1.1 推荐系统架构 | 第52-53页 |
| 5.1.2 系统功能模块设计 | 第53-54页 |
| 5.2 基于排序学习模型的博文推荐系统实现 | 第54-58页 |
| 5.2.1 博文分类检索模块实现 | 第54-55页 |
| 5.2.2 博文评估排序模块实现 | 第55-57页 |
| 5.2.3 博文推送模块实现 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者在学期间取得的学术成果 | 第67页 |
