| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 论文研究背景 | 第10-12页 |
| 1.1.1 引言 | 第10页 |
| 1.1.2 课题来源 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究思路及内容与意义 | 第14-16页 |
| 1.3.1 研究思路及内容 | 第14-15页 |
| 1.3.2 研究意义 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 农业文本数据推荐相关技术研究 | 第18-30页 |
| 2.1 个性化推荐系统 | 第18-19页 |
| 2.2 文本信息表示 | 第19-21页 |
| 2.2.1 文本特征的选择与内容的描述 | 第19-20页 |
| 2.2.2 文本特征相似度 | 第20-21页 |
| 2.3 用户兴趣建模 | 第21-23页 |
| 2.4 推荐算法 | 第23-27页 |
| 2.4.1 基于内容推荐 | 第23-24页 |
| 2.4.2 基于协同过滤的推荐 | 第24-26页 |
| 2.4.3 其他推荐算法 | 第26-27页 |
| 2.5 推荐算法的评价 | 第27-28页 |
| 2.6 小结 | 第28-30页 |
| 第三章 基于用户兴趣的农业文本特征向量化技术 | 第30-44页 |
| 3.1 问题背景描述及相关研究 | 第30-31页 |
| 3.2 农业文本知识兴趣特征提取与向量化 | 第31-36页 |
| 3.2.1 基于诉求关键词分频的特征提取 | 第31-34页 |
| 3.2.2 关键词与标准特征词加权计算 | 第34-36页 |
| 3.2.3 算法的具体描述 | 第36页 |
| 3.3 实验设计与分析 | 第36-42页 |
| 3.3.1 算法实现 | 第36-38页 |
| 3.3.2 实验设计及结果分析 | 第38-42页 |
| 3.3.2.1 特征维度实验 | 第38-39页 |
| 3.3.2.2 特征区分度、相似度实验 | 第39-42页 |
| 3.4 小结 | 第42-44页 |
| 第四章 基于用户隐式评价的农业知识协同过滤推荐 | 第44-62页 |
| 4.1 用户兴趣表示 | 第44-49页 |
| 4.1.1 用户兴趣主题树 | 第44-46页 |
| 4.1.2 用户兴趣内容获取 | 第46-47页 |
| 4.1.3 用户兴趣值度量 | 第47-49页 |
| 4.1.3.1 用户浏览兴趣值度量 | 第47-48页 |
| 4.1.3.2 特征词兴趣值度量 | 第48-49页 |
| 4.2 基于标准特征词的兴趣向量和农业用户隐式评价的用户模型 | 第49-51页 |
| 4.2.1 基于标准特征词的用户兴趣向量 | 第49-50页 |
| 4.2.2 基于用户兴趣向量和浏览行为的隐式评分矩阵 | 第50-51页 |
| 4.3 基于用户隐式评价的农业知识协同过滤推荐算法 | 第51-55页 |
| 4.3.1 问题的提出与分析 | 第51-53页 |
| 4.3.2 推荐算法主要步骤 | 第53-55页 |
| 4.4 实验设计与分析 | 第55-61页 |
| 4.4.1 基于MovieLens数据集的实验分析 | 第55-59页 |
| 4.4.1.1 相似度及邻居规模对算法的影响 | 第55-57页 |
| 4.4.1.2 本文算法与传统协同过滤算法比较 | 第57-59页 |
| 4.4.2 计算速率分析 | 第59页 |
| 4.4.3 基于农业知识数据的实证实验 | 第59-61页 |
| 4.5 小结 | 第61-62页 |
| 第五章 农业文本知识移动推荐原型系统 | 第62-76页 |
| 5.1 系统分析与总体设计 | 第62-64页 |
| 5.2 农业知识推送服务器端关键模块实现 | 第64-69页 |
| 5.3 农业知识移动推送客户端关键模块实现 | 第69-75页 |
| 5.4 小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 后续工作与研究展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84-85页 |
