结合自动摘要技术的文本推荐方法研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 自动摘要技术 | 第12-13页 |
| 1.2.2 文本分类技术 | 第13-14页 |
| 1.2.3 推荐算法 | 第14-16页 |
| 1.3 本文主要工作 | 第16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第2章 相关理论及技术 | 第19-25页 |
| 2.1 文本预处理技术 | 第19-20页 |
| 2.1.1 中文分词 | 第19-20页 |
| 2.1.2 去停用词 | 第20页 |
| 2.2 自动摘要 | 第20-21页 |
| 2.2.1 自动摘要概述 | 第20页 |
| 2.2.2 自动摘要的常用方法 | 第20-21页 |
| 2.3 推荐算法 | 第21-23页 |
| 2.3.1 基于内容的推荐 | 第21-22页 |
| 2.3.2 基于协同过滤推荐 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于词向量的自动摘要算法 | 第25-39页 |
| 3.1 算法结构描述 | 第25-26页 |
| 3.2 文本预处理 | 第26-27页 |
| 3.3 训练word2vec模型 | 第27-28页 |
| 3.4 句子图构建 | 第28-30页 |
| 3.4.1 节点权重 | 第29页 |
| 3.4.2 句子相似度计算 | 第29-30页 |
| 3.5 句子权重计算 | 第30-31页 |
| 3.6 生成摘要 | 第31-32页 |
| 3.7 实验与结果分析 | 第32-37页 |
| 3.7.1 实验设计 | 第32-33页 |
| 3.7.2 实验结果及分析 | 第33-37页 |
| 3.8 本章小结 | 第37-39页 |
| 第4章 结合自动摘要的文本分类算法 | 第39-51页 |
| 4.1 算法结构描述 | 第39-40页 |
| 4.2 卷积神经网络模型结构设计 | 第40-43页 |
| 4.3 分类模型训练 | 第43-47页 |
| 4.3.1 前向传播训练过程 | 第43-44页 |
| 4.3.2 反向误差调整过程 | 第44-47页 |
| 4.4 实验结果与分析 | 第47-49页 |
| 4.4.1 实验设计 | 第47页 |
| 4.4.2 实验结果及分析 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 结合用户行为的文本推荐 | 第51-59页 |
| 5.1 算法结构描述 | 第51-54页 |
| 5.1.1 建立兴趣模型 | 第51-52页 |
| 5.1.2 文本的自动推荐 | 第52-53页 |
| 5.1.3 更新兴趣模型 | 第53-54页 |
| 5.2 兴趣模型计算 | 第54-56页 |
| 5.2.1 获取用户偏好 | 第54-55页 |
| 5.2.2 兴趣点分析 | 第55-56页 |
| 5.2.3 兴趣模型 | 第56页 |
| 5.3 文本推荐过程 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第6章 结合自动摘要技术的文本推荐系统 | 第59-69页 |
| 6.1 系统总体设计 | 第59-60页 |
| 6.2 系统模块功能 | 第60-61页 |
| 6.2.1 后台管理模块 | 第60-61页 |
| 6.2.2 用户使用模块 | 第61页 |
| 6.3 数据库的设计 | 第61-63页 |
| 6.3.1 数据表介绍 | 第61-63页 |
| 6.3.2 数据库ER图 | 第63页 |
| 6.4 系统展示 | 第63-68页 |
| 6.4.1 后台管理模块 | 第63-66页 |
| 6.4.2 用户使用模块 | 第66-67页 |
| 6.4.3 对比实验 | 第67-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第7章 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69-70页 |
| 7.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士期间已发表的论文 | 第77-79页 |
| 致谢 | 第79页 |
