摘要 | 第1-5页 |
Abstract | 第5-10页 |
第1章 绪论 | 第10-22页 |
·选题背景 | 第10-12页 |
·Web 2.0时代和集体智慧 | 第10页 |
·信息过载 | 第10-11页 |
·标签的流行 | 第11-12页 |
·研究现状 | 第12-17页 |
·国外研究现状 | 第12-15页 |
·国内研究现状 | 第15-17页 |
·研究方法 | 第17-18页 |
·研究目的和意义 | 第18-19页 |
·研究内容和结构安排 | 第19-22页 |
第2章 相关理论基础和技术介绍 | 第22-36页 |
·集体智慧 | 第22-24页 |
·集体智慧的定义 | 第22页 |
·集体智慧的特点 | 第22-23页 |
·集体智慧的原则 | 第23页 |
·社会认同理论与集体智慧 | 第23-24页 |
·标签系统 | 第24-30页 |
·标签系统 | 第24-27页 |
·标签系统的基础模型 | 第27-28页 |
·标签系统的特点 | 第28-29页 |
·标签系统的作用 | 第29-30页 |
·标签推荐系统和推荐技术介绍 | 第30-36页 |
·标签推荐系统简介 | 第30-32页 |
·标签推荐系统的分类 | 第32页 |
·基于协同过滤的标签推荐系统 | 第32-34页 |
·基于内容的标签推荐系统 | 第34-35页 |
·基于混合模式的推荐系统 | 第35-36页 |
第3章 标签推荐系统的算法设计 | 第36-46页 |
·三种简单的标签推荐系统算法 | 第37-38页 |
·PopularTags | 第37页 |
·ItemPopularTags | 第37页 |
·UserPopularTags | 第37-38页 |
·改进的基于内容的标签推荐(TagBaseSIM)算法 | 第38-46页 |
·改进的基于内容的标签推荐算法 | 第38-39页 |
·用户模型和资源模型 | 第39-41页 |
·相似度的计算 | 第41-42页 |
·标签聚类分析 | 第42-44页 |
·产生推荐结果 | 第44-46页 |
第4章 实验设计与结果分析 | 第46-60页 |
·实验工具简介 | 第46-48页 |
·SQL Server 2005简介 | 第46-47页 |
·Weka平台简介 | 第47-48页 |
·实验数据 | 第48-50页 |
·Delicious数据集简介 | 第48-49页 |
·Delicious数据集简单分析 | 第49-50页 |
·实验评价标准 | 第50-52页 |
·离线实验 | 第50-51页 |
·用户调查 | 第51-52页 |
·在线实验 | 第52页 |
·实验设计 | 第52-57页 |
·实验整体架构设计 | 第52-53页 |
·聚类分析 | 第53-55页 |
·训练集和测试集的分割 | 第55-56页 |
·实验具体设计 | 第56-57页 |
·实验结果分析 | 第57-60页 |
第5章 标签推荐系统设计与开发 | 第60-80页 |
·系统需求分析和总体设计 | 第60-64页 |
·需求分析 | 第60-61页 |
·系统功能架构 | 第61-62页 |
·系统开发环境与技术 | 第62-64页 |
·数据库设计 | 第64-67页 |
·user表 | 第64页 |
·resource表 | 第64-65页 |
·Tag表 | 第65页 |
·UserTaggedRes表 | 第65页 |
·建立数据库JDBC连接 | 第65-67页 |
·系统界面设计 | 第67-73页 |
·主页面和标签选择页面 | 第67-69页 |
·用户登录模块设计 | 第69-73页 |
·数据管理页面 | 第73-74页 |
·用户添加标签 | 第73-74页 |
·添加资源页面 | 第74页 |
·系统测试与效果分析 | 第74-80页 |
·调查问卷设计及完成情况介绍 | 第75-76页 |
·标签推荐系统用户调查情况分析 | 第76-77页 |
·用户对标签系统设计情况分析 | 第77-78页 |
·用户对标签推荐算法情况分析 | 第78-79页 |
·用户对系统的改进意见情况分析 | 第79-80页 |
第6章 总结与展望 | 第80-82页 |
·论文总结和主要成果 | 第80-81页 |
·进一步的研究和展望 | 第81-82页 |
参考文献 | 第82-86页 |
附录1 | 第86-90页 |
附录2 | 第90-92页 |
致谢 | 第92-94页 |
攻读硕士学位期间科研成果 | 第94页 |