基于用户兴趣模型的推荐算法及系统实现研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究的目的和意义 | 第11-12页 |
| 1.3 相关技术研究概况 | 第12-14页 |
| 1.3.1 传统个性化推荐方法概况 | 第12-13页 |
| 1.3.2 社交网络个性化推荐方法概况 | 第13-14页 |
| 1.4 论文的主要研究内容 | 第14-16页 |
| 第二章 基于用户兴趣模型的推荐算法研究 | 第16-28页 |
| 2.1 社会化推荐研究现状 | 第16-17页 |
| 2.2 社交网络中用户兴趣的研究 | 第17-19页 |
| 2.3 用户兴趣模型的建立 | 第19-25页 |
| 2.3.1 用户短期兴趣的构建 | 第19-21页 |
| 2.3.2 用户长期兴趣的构建 | 第21-24页 |
| 2.3.3 基于兴趣模型的用户关系强度计算 | 第24-25页 |
| 2.4 基于用户兴趣的微博排序 | 第25-26页 |
| 2.5 预测评定方法 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 个性化推荐系统实现及分布式部署 | 第28-42页 |
| 3.1 分布式推荐系统介绍 | 第28-29页 |
| 3.2 分布式系统架构及负载均衡 | 第29-33页 |
| 3.2.1 主从分布式结构 | 第29-30页 |
| 3.2.2 对等分布式结构 | 第30-33页 |
| 3.3 个性化推荐的分布式系统实现 | 第33-38页 |
| 3.3.1 个性化推荐系统流程 | 第33-35页 |
| 3.3.2 系统缓存模块设计 | 第35-36页 |
| 3.3.3 分布式推荐系统的实现 | 第36-38页 |
| 3.4 离线计算模式 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 算法实现及实验结果分析 | 第42-56页 |
| 4.1 实验环境介绍 | 第42-43页 |
| 4.2 数据预处理及存储 | 第43-45页 |
| 4.3 基于用户兴趣推荐算法测试与结果分析 | 第45-51页 |
| 4.3.1 用户分类测试 | 第45-48页 |
| 4.3.2 兴趣模型和关系强度的测试 | 第48-51页 |
| 4.4 系统实现及测试 | 第51-55页 |
| 4.4.1 个性化推荐系统测试 | 第51-53页 |
| 4.4.2 分布式系统实现测试 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文的工作总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第62-63页 |
| 作者在攻读硕士学位期间所作的项目 | 第63-64页 |
| 致谢 | 第64页 |
