个性化新闻推荐引擎中新闻分组聚类技术的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 前言 | 第11-14页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 个性化新闻推荐引擎技术综述 | 第14-23页 |
| ·个性化推荐引擎概述 | 第14-15页 |
| ·个性化推荐引擎分类 | 第15-20页 |
| ·基于协同过滤的推荐系统 | 第16-18页 |
| ·基于内容的推荐系统 | 第18-19页 |
| ·基于知识模型的推荐系统 | 第19页 |
| ·混合推荐系统 | 第19-20页 |
| ·面向新闻的个性化推荐技术概述 | 第20-21页 |
| ·个性化新闻推荐引擎所面临的挑战 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 文本聚类技术研究 | 第23-40页 |
| ·文本聚类技术概述 | 第23-24页 |
| ·文本特征表示 | 第24-30页 |
| ·文本预处理 | 第24-25页 |
| ·文本表示模型 | 第25-27页 |
| ·文本特征权重 | 第27-28页 |
| ·特征降维 | 第28-29页 |
| ·文本相似度计算 | 第29-30页 |
| ·文本聚类算法 | 第30-38页 |
| ·基于距离的聚类算法 | 第30-34页 |
| ·基于模型的聚类算法 | 第34-35页 |
| ·基于密度的聚类算法 | 第35-36页 |
| ·基于网格的聚类算法 | 第36页 |
| ·基于K近邻分类的聚类算法 | 第36-38页 |
| ·常用算法的比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于LSH的改进文本聚类方案 | 第40-54页 |
| ·问题描述 | 第40-41页 |
| ·改进思想 | 第41页 |
| ·方案设计 | 第41-52页 |
| ·文本特征生成 | 第43-50页 |
| ·基于LSH的层次分组聚类 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于改进LSH的新闻聚类系统的设计与实现 | 第54-72页 |
| ·需求分析 | 第54页 |
| ·新闻聚类系统总体设计 | 第54-59页 |
| ·系统外围结构 | 第54-55页 |
| ·系统处理流程 | 第55-56页 |
| ·系统存储设计 | 第56-57页 |
| ·功能模块设计 | 第57-59页 |
| ·详细设计与实现 | 第59-71页 |
| ·预处理模块 | 第59-60页 |
| ·内容提取模块 | 第60-64页 |
| ·主题提取模块 | 第64-66页 |
| ·降维模块 | 第66-68页 |
| ·聚类模块 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 新闻聚类系统测试和评估 | 第72-86页 |
| ·测试目标 | 第72页 |
| ·测试环境 | 第72-73页 |
| ·功能测试方案及结果评估 | 第73-78页 |
| ·特征向量生成 | 第73-74页 |
| ·特征降维 | 第74-75页 |
| ·重复数据删除 | 第75-76页 |
| ·内容和主题聚类 | 第76-78页 |
| ·性能测评方案及结果评估 | 第78-85页 |
| ·评估指标 | 第78-79页 |
| ·实验数据集 | 第79-81页 |
| ·实验方案 | 第81页 |
| ·实验配置及步骤 | 第81页 |
| ·实验结果分析 | 第81-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 缩略语 | 第92-93页 |
| 图形目录 | 第93-95页 |
| 表格目录 | 第95-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间发表的学术论文和申请的发明专利 | 第97页 |
