基于协同过滤技术的微博好友推荐方法的研究与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 课题的背景及意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-19页 |
| 2 推荐技术相关介绍 | 第19-25页 |
| 2.1 概念 | 第19页 |
| 2.2 推荐流程 | 第19-21页 |
| 2.3 主要推荐方法 | 第21-24页 |
| 2.4 主要推荐方法优缺点对比 | 第24-25页 |
| 3 协同过滤算法概述 | 第25-31页 |
| 3.1 协同过滤算法介绍 | 第25页 |
| 3.2 协同过滤算法分类 | 第25-31页 |
| 3.2.1 基于内存的协同过滤算法 | 第26-29页 |
| 3.2.2 基于模型的协同过滤推荐算法 | 第29-31页 |
| 4 基于协同过滤算法的好友推荐 | 第31-39页 |
| 4.1 系统结构图 | 第31页 |
| 4.2 数据收集系统 | 第31-34页 |
| 4.2.1 获取用户注册信息 | 第31-32页 |
| 4.2.2 统计用户微博记录 | 第32-33页 |
| 4.2.3 推荐结果反馈 | 第33-34页 |
| 4.3 推荐系统 | 第34-37页 |
| 4.3.1 个人信息相似性 | 第34-35页 |
| 4.3.2 用户活跃度 | 第35-36页 |
| 4.3.3 推荐结果反馈 | 第36页 |
| 4.3.4 参数整合 | 第36-37页 |
| 4.4 推荐结果展示 | 第37-39页 |
| 5 好友推荐方法在政府内网微博中的应用 | 第39-59页 |
| 5.1 系统实现目标 | 第39页 |
| 5.2 总体设计 | 第39-40页 |
| 5.3 服务器的设计与实现 | 第40-41页 |
| 5.4 客户端软件的设计与实现 | 第41-54页 |
| 5.4.1 前台界面的设计 | 第41-52页 |
| 5.4.2 与服务器的交互 | 第52-54页 |
| 5.5 好友推荐功能的设计与实现 | 第54-59页 |
| 5.5.1 数据生成模块 | 第54-56页 |
| 5.5.2 推荐算法模块 | 第56页 |
| 5.5.3 界面显示 | 第56-57页 |
| 5.5.4 推荐效果分析 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-68页 |
| 致谢 | 第68-70页 |
| 个人简历 | 第70页 |
| 发表的学术论文 | 第70-71页 |
