社交媒体中内容的标注与排序
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 选题背景和研究动机 | 第10-17页 |
| 1.1.1 社交书签系统中的标签推荐 | 第11-13页 |
| 1.1.2 微博短文本的主题标签推荐 | 第13-15页 |
| 1.1.3 微博短文本的个性化排序 | 第15-16页 |
| 1.1.4 微博事件的标注与排序 | 第16-17页 |
| 1.2 主要研究内容和贡献点 | 第17-19页 |
| 1.3 章节安排 | 第19-20页 |
| 第2章 社交书签系统中的标签推荐 | 第20-40页 |
| 2.1 引言 | 第20-22页 |
| 2.2 相关工作 | 第22-23页 |
| 2.3 基础知识 | 第23-24页 |
| 2.4 异构图上的随机游走算法 | 第24-28页 |
| 2.4.1 状态转移矩阵 | 第25-26页 |
| 2.4.2 偏好向量 | 第26页 |
| 2.4.3 随机游走模型 | 第26-28页 |
| 2.5 最优化问题 | 第28-33页 |
| 2.5.1 目标函数 | 第28-29页 |
| 2.5.2 求解最优化问题 | 第29-30页 |
| 2.5.3 梯度的计算 | 第30-32页 |
| 2.5.4 收敛性证明 | 第32-33页 |
| 2.6 实验评价 | 第33-39页 |
| 2.6.1 数据集 | 第33-34页 |
| 2.6.2 对比方法 | 第34-35页 |
| 2.6.3 评价指标 | 第35页 |
| 2.6.4 参数设定 | 第35-36页 |
| 2.6.5 实验结果 | 第36-39页 |
| 2.7 本章小结 | 第39-40页 |
| 第3章 微博短文本的主题标签推荐 | 第40-60页 |
| 3.1 引言 | 第40-41页 |
| 3.2 相关工作 | 第41-43页 |
| 3.3 数据分析 | 第43-44页 |
| 3.4 算法概述 | 第44-48页 |
| 3.4.1 推荐策略 | 第44-46页 |
| 3.4.2 算法框架 | 第46-48页 |
| 3.5 算法细节 | 第48-54页 |
| 3.5.1 内容相关性 | 第48-49页 |
| 3.5.2 用户相关性 | 第49-51页 |
| 3.5.3 主题标签特征 | 第51-52页 |
| 3.5.4 最优化问题 | 第52-54页 |
| 3.6 实验评价 | 第54-59页 |
| 3.6.1 数据集 | 第54-55页 |
| 3.6.2 评价指标 | 第55页 |
| 3.6.3 对比方法 | 第55-56页 |
| 3.6.4 实验结果 | 第56-58页 |
| 3.6.5 各部分的贡献 | 第58-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第4章 微博短文本的个性化排序 | 第60-79页 |
| 4.1 引言 | 第60-61页 |
| 4.2 相关工作 | 第61-62页 |
| 4.3 基础知识 | 第62-63页 |
| 4.3.1 问题定义 | 第62页 |
| 4.3.2 传统矩阵分解方法的问题 | 第62-63页 |
| 4.4 算法概述 | 第63-67页 |
| 4.4.1 点的特征 | 第64-66页 |
| 4.4.2 边的特征 | 第66页 |
| 4.4.3 特征的预处理 | 第66-67页 |
| 4.5 算法细节 | 第67-73页 |
| 4.5.1 人工特征和隐偏移 | 第67-69页 |
| 4.5.2 基于特征的矩阵分解模型 | 第69-71页 |
| 4.5.3 最优化问题 | 第71-72页 |
| 4.5.4 求解最优化问题 | 第72-73页 |
| 4.5.5 复杂度分析 | 第73页 |
| 4.6 实验评价 | 第73-78页 |
| 4.6.1 数据集 | 第73-74页 |
| 4.6.2 评价指标 | 第74页 |
| 4.6.3 对比方法 | 第74-75页 |
| 4.6.4 实验结果 | 第75-76页 |
| 4.6.5 各部分的贡献 | 第76-77页 |
| 4.6.6 运行时间 | 第77-78页 |
| 4.7 本章小结 | 第78-79页 |
| 第5章 微博事件的标注与排序 | 第79-102页 |
| 5.1 引言 | 第79-81页 |
| 5.2 相关工作 | 第81-82页 |
| 5.3 模型框架 | 第82-85页 |
| 5.4 主题标签聚类 | 第85-90页 |
| 5.4.1 表示方法和相似性 | 第85-86页 |
| 5.4.2 静态主题标签的聚类 | 第86-88页 |
| 5.4.3 动态主题标签的聚类 | 第88-90页 |
| 5.4.4 聚类结果的合并 | 第90页 |
| 5.5 事件排序 | 第90-93页 |
| 5.5.1 排序的因素 | 第90-91页 |
| 5.5.2 排序函数 | 第91-92页 |
| 5.5.3 Top-k事件查询 | 第92-93页 |
| 5.6 实验评价 | 第93-100页 |
| 5.6.1 数据集 | 第93页 |
| 5.6.2 评价指标 | 第93页 |
| 5.6.3 对比方法 | 第93-94页 |
| 5.6.4 定性分析 | 第94-98页 |
| 5.6.5 定量分析 | 第98-99页 |
| 5.6.6 可拓展性 | 第99-100页 |
| 5.6.7 内存使用 | 第100页 |
| 5.7 本章小结 | 第100-102页 |
| 第6章 总结与展望 | 第102-105页 |
| 6.1 论文主要研究工作总结 | 第102-103页 |
| 6.2 进一步研究工作展望 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 致谢 | 第111-113页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第113-114页 |
