基于社交网络的数据过滤与数据推送
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·文本挖掘相关研究 | 第12-13页 |
| ·用户兴趣分析 | 第13-14页 |
| ·个性化推荐 | 第14-15页 |
| ·论文主要工作、创新点和面临的挑战 | 第15-17页 |
| ·论文主要工作 | 第15-16页 |
| ·本文创新点 | 第16页 |
| ·本文面临的挑战 | 第16-17页 |
| ·论文组织结构 | 第17-20页 |
| 第二章 相关概念和方法 | 第20-30页 |
| ·微博 | 第20-21页 |
| ·文本相似性判别 | 第21-26页 |
| ·本章概述 | 第21页 |
| ·文本相似性判别的基本流程 | 第21-26页 |
| ·二维特征集合相关概念 | 第26-27页 |
| ·本章小结 | 第27-30页 |
| 第三章 微博的用户兴趣分析与个性化推荐方法研究 | 第30-38页 |
| ·本章概述 | 第30页 |
| ·引入外部语料库 | 第30-32页 |
| ·用户兴趣分析 | 第32-35页 |
| ·遗忘曲线 | 第33页 |
| ·基于遗忘曲线的时间权重函数 | 第33-34页 |
| ·用户兴趣分析算法及流程描述 | 第34-35页 |
| ·个性化推荐 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 实验方案设计与结果分析 | 第38-46页 |
| ·实验数据集 | 第38-39页 |
| ·评价标准 | 第39-40页 |
| ·与基于单特征值提取算法的实验对比 | 第40-42页 |
| ·与未考虑时间权重的传统算法的实验对比 | 第42-44页 |
| ·与未引入外部语料库的传统算法的实验对比 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 针对微博的个性化推荐系统实现 | 第46-52页 |
| ·系统简介 | 第46页 |
| ·系统结构 | 第46-49页 |
| ·用户登录模块 | 第46-48页 |
| ·后台定时更新模块 | 第48页 |
| ·兴趣分类模块 | 第48-49页 |
| ·个性化推荐模块 | 第49页 |
| ·系统实现与应用 | 第49页 |
| ·本章小结 | 第49-52页 |
| 第六章 结论与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·进一步研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 附录 | 第60页 |
