微博影响力分析算法与个性化推荐系统的设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与研究意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·研究内容及主要工作 | 第10-12页 |
| ·本文研究内容的提出 | 第10-11页 |
| ·本文主要的研究工作 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 微博与个性化推荐技术 | 第14-24页 |
| ·微博的本质与特点 | 第14-15页 |
| ·微博的本质 | 第14页 |
| ·微博的特点 | 第14-15页 |
| ·微博的理论基础 | 第15-17页 |
| ·150规则 | 第15-16页 |
| ·六度分离理论 | 第16-17页 |
| ·FA-影响力分析算法中用到的微博信息 | 第17-18页 |
| ·个人信息 | 第17-18页 |
| ·用户微博信息 | 第18页 |
| ·个性化推荐系统简述 | 第18-22页 |
| ·社交网络中的个性化推荐技术 | 第18-19页 |
| ·个性化推荐算法的评测 | 第19-21页 |
| ·推荐算法各指标的评测方法 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 推荐系统的分析与数据获取 | 第24-34页 |
| ·微博推荐系统的分析 | 第24-27页 |
| ·基于用户信息的推荐系统的分析 | 第24-25页 |
| ·基于内容的推荐系统的分析 | 第25-26页 |
| ·对“风云影响力榜”的分析 | 第26-27页 |
| ·现有的推荐系统的不足 | 第27页 |
| ·影响力算法分析 | 第27-29页 |
| ·数据的获取方法 | 第29-33页 |
| ·网络爬虫数据抓取方法 | 第29-30页 |
| ·本文的数据抓取方法 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 FA-影响力分析算法的设计与实现 | 第34-50页 |
| ·FA-影响力算法的研究 | 第34-36页 |
| ·微博影响力指标的确定 | 第34-35页 |
| ·因子分析方法 | 第35-36页 |
| ·影响力分析模型 | 第36-44页 |
| ·影响力分析算法的实现 | 第44-45页 |
| ·实验的设计与分析 | 第45-50页 |
| 第五章 UI-TOPN推荐系统的设计与实现 | 第50-64页 |
| ·UI-TOPN推荐算法的设计 | 第50-57页 |
| ·个人信息模型 | 第51-53页 |
| ·用户标签信息模型 | 第53-55页 |
| ·微博内容信息模型 | 第55-56页 |
| ·融合模型 | 第56-57页 |
| ·系统的设计 | 第57-58页 |
| ·系统的实现界面 | 第58-60页 |
| ·实验设计与结果分析 | 第60-64页 |
| ·实验设计方案 | 第61页 |
| ·实验结果分析 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-67页 |
