基于网络社区的用户兴趣建模与推荐技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 选题背景及研究意义 | 第12-14页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究概述 | 第14-20页 |
| 1.2.1 网络社区发现 | 第14-16页 |
| 1.2.2 用户兴趣建模 | 第16-18页 |
| 1.2.3 个性化推荐 | 第18-20页 |
| 1.3 论文的研究内容与结构安排 | 第20-24页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 论文结构 | 第21-24页 |
| 第二章 基于非负矩阵分解的重叠社区发现 | 第24-38页 |
| 2.1 基于非负矩阵分解的社区发现算法分析 | 第24-26页 |
| 2.1.1 非负矩阵分解基础 | 第24-25页 |
| 2.1.2 基于非负矩阵分解的社区发现原理 | 第25-26页 |
| 2.2 基于贝叶斯非负矩阵分解的重叠社区发现算法 | 第26-33页 |
| 2.2.1 算法原理与流程 | 第26-27页 |
| 2.2.2 特征矩阵选择 | 第27-29页 |
| 2.2.3 贝叶斯非负矩阵分解模型 | 第29-31页 |
| 2.2.4 社区数目确定 | 第31-32页 |
| 2.2.5 网络重叠社区划分 | 第32-33页 |
| 2.3 实验结果及分析 | 第33-36页 |
| 2.3.1 基于 NMF 的社区发现算法对比实验 | 第33页 |
| 2.3.2 计算机合成网络实验 | 第33-35页 |
| 2.3.3 真实社会网络实验 | 第35-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于社会化标注的社区群体兴趣建模 | 第38-54页 |
| 3.1 用户兴趣描述方法分析 | 第38-41页 |
| 3.2 基于社会化标注的社区群体兴趣建模算法 | 第41-47页 |
| 3.2.1 算法原理与流程 | 第41-42页 |
| 3.2.2 TRECM 标签自动标注 | 第42-45页 |
| 3.2.3 群体兴趣建模 | 第45-47页 |
| 3.3 实验结果及分析 | 第47-52页 |
| 3.3.1 标签自动标注实验 | 第47-49页 |
| 3.3.2 群体兴趣建模实验 | 第49-51页 |
| 3.3.3 兴趣建模结果示例 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于社区用户关系挖掘的个性化推荐 | 第54-66页 |
| 4.1 个性化推荐技术现状分析 | 第54-56页 |
| 4.2 基于社区用户关系挖掘的多策略推荐算法 | 第56-61页 |
| 4.2.1 算法原理与流程 | 第56-57页 |
| 4.2.2 数据模型建立 | 第57页 |
| 4.2.3 用户信任关系挖掘 | 第57-59页 |
| 4.2.4 用户相似度计算 | 第59页 |
| 4.2.5 信任度-相似度结合策略 | 第59-60页 |
| 4.2.6 偏好预测及推荐 | 第60-61页 |
| 4.3 实验结果及分析 | 第61-64页 |
| 4.3.1 实验数据和评价指标 | 第61-62页 |
| 4.3.2 个性化推荐实验结果 | 第62-63页 |
| 4.3.3 参数对算法的影响 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 全文总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 作者简历 | 第78页 |
