数字图书馆个性化服务的应用系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景以及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文的主要结构 | 第17-18页 |
| 第2章 相关技术基础 | 第18-23页 |
| 2.1 数字图书馆个性化服务相关技术 | 第18-20页 |
| 2.1.1 数据挖掘技术 | 第18页 |
| 2.1.2 信息推送技术 | 第18-19页 |
| 2.1.3 智能代理技术 | 第19-20页 |
| 2.1.4 信息过滤技术 | 第20页 |
| 2.2 用户兴趣模型技术 | 第20-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 用户兴趣传播的协同过滤算法研究 | 第23-38页 |
| 3.1 传统协同过滤算法不足 | 第23-27页 |
| 3.1.1 数据稀疏性问题 | 第23-25页 |
| 3.1.2 已有解决方案 | 第25-27页 |
| 3.2 基于用户兴趣传播的协同过滤算法 | 第27-33页 |
| 3.2.1 算法策略及原理 | 第27-28页 |
| 3.2.2 二部图构建及投影 | 第28-30页 |
| 3.2.3 用户兴趣向量的建立和更新 | 第30-31页 |
| 3.2.4 基于兴趣的相似性计算 | 第31-32页 |
| 3.2.5 评分值预测 | 第32页 |
| 3.2.6 用户兴趣传播的协同过滤算法UIT描述 | 第32-33页 |
| 3.3 算法实验及结果分析 | 第33-37页 |
| 3.3.1 采取的基准数据集 | 第33-34页 |
| 3.3.2 算法性能评价 | 第34页 |
| 3.3.3 实验结果与分析 | 第34-37页 |
| 3.4 小结 | 第37-38页 |
| 第4章 图书馆个性化推荐系统设计与实现 | 第38-53页 |
| 4.1 系统概述 | 第38-40页 |
| 4.2 系统的设计 | 第40-44页 |
| 4.2.1 数据准备及离线设计 | 第40-42页 |
| 4.2.2 在线推荐引擎设计 | 第42-44页 |
| 4.3 个性化推荐系统的实现 | 第44-52页 |
| 4.3.1 数据预处理模块 | 第45-47页 |
| 4.3.2 频繁访问模式发现模块 | 第47-48页 |
| 4.3.3 在线推荐模块 | 第48-52页 |
| 4.4 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
