个性化新闻推荐系统关键技术研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 个性化新闻推荐系统技术综述 | 第15-24页 |
| 2.1 个性化推荐系统概述 | 第15-17页 |
| 2.2 个性化推荐系统分类 | 第17页 |
| 2.3 基于协同过滤的推荐方法 | 第17-19页 |
| 2.4 基于内容的推荐方法 | 第19-20页 |
| 2.5 组合推荐方法 | 第20-21页 |
| 2.6 面向新闻的个性化推荐技术概述 | 第21-22页 |
| 2.7 个性化新闻推荐系统所面临的挑战 | 第22-23页 |
| 2.8 本章小结 | 第23-24页 |
| 第3章 基于神经网络语言模型的文本聚类 | 第24-38页 |
| 3.1 文本聚类技术概述 | 第24页 |
| 3.2 文本聚类算法 | 第24-29页 |
| 3.2.1 基于词包模型的文本聚类算法 | 第24-27页 |
| 3.2.2 LDA文本聚类方法 | 第27-29页 |
| 3.2.3 其他文本聚类方法 | 第29页 |
| 3.3 问题定义 | 第29-31页 |
| 3.4 相关理论概述 | 第31-34页 |
| 3.4.1 文本聚类与词聚类的对偶性 | 第31-32页 |
| 3.4.2 语言模型和神经网络语言模型 | 第32-33页 |
| 3.4.3 模糊聚类 | 第33-34页 |
| 3.5 方案设计 | 第34-37页 |
| 3.5.1 文章关键词提取 | 第34-35页 |
| 3.5.2 FTDL聚类方法 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 新闻分类方案与用户行为研究与设计 | 第38-47页 |
| 4.1 新闻分类方案研究与设计 | 第38-41页 |
| 4.1.1 背景介绍 | 第38-39页 |
| 4.1.2 基于贝叶斯的分类方法 | 第39页 |
| 4.1.3 基于词向量的分类方法 | 第39-41页 |
| 4.2 用户行为研究与设计 | 第41-46页 |
| 4.2.1 问题描述 | 第41页 |
| 4.2.2 建立用户模型 | 第41-43页 |
| 4.2.3 用户关键词 | 第43-45页 |
| 4.2.4 用户类别划分 | 第45页 |
| 4.2.5 用户新闻推荐 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 个性化新闻推荐系统关键技术设计与实现 | 第47-63页 |
| 5.1 需求分析 | 第47-49页 |
| 5.2 系统总体设计 | 第49-52页 |
| 5.2.1 系统内部逻辑结构 | 第49-50页 |
| 5.2.2 系统外围结构 | 第50-51页 |
| 5.2.3 系统处理流程设计 | 第51-52页 |
| 5.3 详细设计与实现 | 第52-62页 |
| 5.3.1 新闻聚类分类模块 | 第52-57页 |
| 5.3.2 新闻评分模块 | 第57-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 个性化新闻推荐系统测试与评估 | 第63-73页 |
| 6.1 测试目标 | 第63页 |
| 6.2 测试环境 | 第63页 |
| 6.3 测试方案与结果评估 | 第63-72页 |
| 6.3.1 针对新闻聚类功能的测试 | 第63-67页 |
| 6.3.2 针对新闻频道分类功能的测试 | 第67-69页 |
| 6.3.3 针对用户建模功能的测试 | 第69-72页 |
| 6.4 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 攻读学位期间发表论文情况 | 第78-79页 |
| 致谢 | 第79页 |
