| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外相关研究概况 | 第12-14页 |
| 1.2.1 主题模型国内外研究现状 | 第12-13页 |
| 1.2.2 群组推荐国内外研究现状 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.3.3 研究方法 | 第15页 |
| 1.3.4 论文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 推荐的相关理论和技术 | 第17-26页 |
| 2.1 个性化推荐的相关理论和技术 | 第17-18页 |
| 2.2 群组推荐的相关理论和技术 | 第18-21页 |
| 2.3 群体决策理论 | 第21-22页 |
| 2.4 相似度的计算方法 | 第22-23页 |
| 2.5 目前群组推荐系统的局限性分析 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 茶产品的推荐 | 第26-33页 |
| 3.1 茶产品的推荐现状 | 第26-27页 |
| 3.2 茶产品的分类及特性 | 第27-29页 |
| 3.3 目前茶产品推荐的不足 | 第29-30页 |
| 3.4 茶产品的语义推荐 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 LDA主题模型 | 第33-42页 |
| 4.1 主题模型 | 第33-35页 |
| 4.1.1 主题模型概述 | 第33-34页 |
| 4.1.2 主题模型工作原理 | 第34页 |
| 4.1.3 主题模型的优点 | 第34-35页 |
| 4.2 隐含狄利克雷分配模型 | 第35-37页 |
| 4.2.1 模型介绍 | 第35-36页 |
| 4.2.2 模型假设 | 第36页 |
| 4.2.3 用吉布斯采样求解LDA模型中的参数 | 第36-37页 |
| 4.3 基于LDA主题模型的推荐 | 第37-39页 |
| 4.4 LDA的改进 | 第39-41页 |
| 4.4.1 问题分析 | 第39页 |
| 4.4.2 Phrase-LDA的短语提取 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 基于Phrase-LDA的茶产品群组推荐模型的构建 | 第42-49页 |
| 5.1 茶叶的主题建模 | 第42-45页 |
| 5.1.1 预处理 | 第42-44页 |
| 5.1.2 主题模型训练 | 第44-45页 |
| 5.1.3 茶叶的复合主题表示 | 第45页 |
| 5.2 群组用户偏好主题建模 | 第45-46页 |
| 5.3 推荐生成 | 第46-48页 |
| 5.3.1 主题表示 | 第46-47页 |
| 5.3.2 近邻选择 | 第47页 |
| 5.3.3 产生推荐 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 6 基于Phrase-LDA模型的验证与评价 | 第49-57页 |
| 6.1 实验与分析 | 第49-56页 |
| 6.1.1 数据集和实验环境 | 第49页 |
| 6.1.2 参数设定及实验过程 | 第49-50页 |
| 6.1.3 评价指标 | 第50-51页 |
| 6.1.4 实验结果 | 第51-56页 |
| 6.2 本章小结 | 第56-57页 |
| 7 基于Phrase-LDA群组推荐原型系统的设计和实现 | 第57-62页 |
| 7.1 各功能模块设计 | 第57页 |
| 7.2 各功能模块实现 | 第57-61页 |
| 7.3 本章小结 | 第61-62页 |
| 8 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简介 | 第68页 |
| 在学期间发表的论著及科研成果 | 第68页 |