首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于地点的社交媒体中用户建模与内容推荐

摘要第3-4页
Abstract第4-5页
主要符号对照表第9-10页
第1章 绪论第10-21页
    1.1 研究背景第10-12页
    1.2 研究内容与挑战第12-18页
        1.2.1 基于聚会的小组推荐第12-14页
        1.2.2 冷启动同城活动推荐第14-15页
        1.2.3 时间感知的下一地点推荐第15-16页
        1.2.4 用户地点关联的评论建模与评分预测第16-18页
    1.3 研究贡献第18-21页
第2章 基于聚会的小组推荐第21-43页
    2.1 引言与问题描述第21-23页
    2.2 相关工作第23-24页
    2.3 研究准备第24-25页
        2.3.1 数据分析第24页
        2.3.2 研究假设第24-25页
    2.4 模型详述第25-31页
        2.4.1 基础知识第26页
        2.4.2 线性模型第26-29页
        2.4.3 标签扩展的矩阵分解模型第29-30页
        2.4.4 模型融合第30-31页
    2.5 模型学习第31-35页
        2.5.1 优化标准第31-33页
        2.5.2 参数学习第33-35页
    2.6 实验评价第35-42页
        2.6.1 数据处理第36-37页
        2.6.2 评价标准第37页
        2.6.3 基准方法第37-38页
        2.6.4 参数设置第38-39页
        2.6.5 成对测试集中实验结果第39-40页
        2.6.6 列表测试集中实验结果第40-42页
    2.7 本章小结第42-43页
第3章 冷启动同城活动推荐第43-67页
    3.1 引言与问题描述第43-46页
    3.2 相关工作第46-47页
        3.2.1 社交媒体中活动推荐第46-47页
        3.2.2 活动推荐相关方法第47页
    3.3 模型基础知识第47-49页
        3.3.1 贝叶斯泊松分解第48页
        3.3.2 联合矩阵分解第48-49页
    3.4 联合贝叶斯泊松分解模型第49-58页
        3.4.1 模型总览第49-51页
        3.4.2 形式化详述第51-53页
        3.4.3 优化方法第53-57页
        3.4.4 模型预测第57-58页
    3.5 性能评测第58-66页
        3.5.1 实验数据第58-59页
        3.5.2 评测设置第59-61页
        3.5.3 实验结果第61-66页
    3.6 本章小结第66-67页
第4章 时间感知的下一地点推荐第67-88页
    4.1 引言与问题描述第67-69页
    4.2 相关工作第69-70页
    4.3 研究准备第70-74页
        4.3.1 数据分析第70-72页
        4.3.2 协同检索模型第72-74页
    4.4 模型描述和优化第74-78页
        4.4.1 社会化关系第74-75页
        4.4.2 时序信息第75-76页
        4.4.3 模型构建与学习第76-78页
    4.5 实验评价第78-87页
        4.5.1 数据预处理第78-79页
        4.5.2 评价标准第79-80页
        4.5.3 比较方法第80-81页
        4.5.4 参数设置第81-82页
        4.5.5 实验效果第82-87页
    4.6 本章小结第87-88页
第5章 用户地点关联的评论建模与评分预测第88-104页
    5.1 引言与问题描述第88-90页
    5.2 相关工作第90-92页
    5.3 基于先验的对偶可加狄利克雷模型第92-96页
        5.3.1 模型描述第92-94页
        5.3.2 模型学习第94-96页
        5.3.3 模型预测第96页
    5.4 性能评测第96-102页
        5.4.1 数据介绍第97-98页
        5.4.2 比较方法第98-99页
        5.4.3 参数设定第99页
        5.4.4 实验结果第99-102页
    5.5 本章小结第102-104页
第6章 总结与展望第104-107页
    6.1 研究总结第104-105页
    6.2 研究展望第105-107页
参考文献第107-114页
致谢第114-116页
个人简历、在学期间发表的学术论文与研究成果第116-117页

论文共117页,点击 下载论文
上一篇:面向图数据的Top-k检索算法研究
下一篇:搜索引擎点击模型构建