基于情感相似度的社会化推荐系统研究
摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第13-36页 |
1.1 问题的提出 | 第13-18页 |
1.1.1 研究背景 | 第13-16页 |
1.1.2 研究目的 | 第16-17页 |
1.1.3 研究意义 | 第17-18页 |
1.2 国内外研究综述 | 第18-32页 |
1.2.1 整体发展概况研究 | 第19-22页 |
1.2.2 推荐系统分类与实际应用 | 第22-26页 |
1.2.3 社会化推荐系统 | 第26-30页 |
1.2.4 研究现状评述 | 第30-32页 |
1.3 研究内容 | 第32-33页 |
1.4 研究方法与技术路线 | 第33-36页 |
1.4.1 研究方法 | 第33-34页 |
1.4.2 技术路线 | 第34-36页 |
第2章 数据集构建及其特征分析 | 第36-58页 |
2.1 微博及其特征 | 第36-38页 |
2.2 基于变精度的微博数据采集方法 | 第38-47页 |
2.2.1 微博网络数据收集方法 | 第38页 |
2.2.2 基于可变精度的协同推荐 | 第38-42页 |
2.2.3 基于可变精度的电影推荐方法验证 | 第42-44页 |
2.2.4 实验结果与分析 | 第44-47页 |
2.3 基于变精度的微博数据收集 | 第47-51页 |
2.4 社会网络基本特征分析 | 第51-53页 |
2.4.1 基本特征分析 | 第51-52页 |
2.4.2 无标度特性 | 第52-53页 |
2.5 新浪糖尿病网络分析 | 第53-57页 |
2.5.1 糖尿病微博网络基本特征分析 | 第54-55页 |
2.5.2 糖尿病微博网络无标度特性分析 | 第55-57页 |
2.6 本章小结 | 第57-58页 |
第3章 社交化网络模型构建与用户连接预测 | 第58-71页 |
3.1 指数随机图模型 | 第58-59页 |
3.2 微博网络ERGM模型构建 | 第59-60页 |
3.3 基于ERGM模型的参数估计 | 第60-62页 |
3.4 基于ERGM模型的仿真 | 第62-63页 |
3.5 基于ERGM模型的拟合度分析 | 第63-66页 |
3.6 基于ERGM模型的用户连接预测 | 第66-69页 |
3.6.1 参数说明 | 第67页 |
3.6.2 公式推导 | 第67-68页 |
3.6.3 连接预测例子 | 第68-69页 |
3.7 本章小结 | 第69-71页 |
第4章 社会化推荐系统中的情感相似分析 | 第71-86页 |
4.1 情感分析 | 第71-73页 |
4.1.1 情感分类 | 第72页 |
4.1.2 情感相似度 | 第72-73页 |
4.2 特定主题下微博特征提取 | 第73-76页 |
4.2.1 特征提取 | 第73-74页 |
4.2.2 特征集合 | 第74-76页 |
4.3 特征选择 | 第76-80页 |
4.3.1 信息增益 | 第76-77页 |
4.3.2 支持向量机 | 第77-80页 |
4.4 微博特征分类组合与贡献度分析 | 第80-81页 |
4.4.1 特征组合 | 第80页 |
4.4.2 组合贡献度分析 | 第80-81页 |
4.5 基于KL变换的情感相似度计算 | 第81-84页 |
4.6 本章小结 | 第84-86页 |
第5章 社会化推荐系统模型构建与实证分析 | 第86-107页 |
5.1 社会化心理和行为分析 | 第86-88页 |
5.2 社会化影响因素分析 | 第88-92页 |
5.2.1 信任度 | 第88-90页 |
5.2.2 同质性 | 第90-91页 |
5.2.3 意见领袖 | 第91-92页 |
5.3 基于修正情感相似度的社会化推荐系统模型 | 第92-95页 |
5.3.1 修正情感相似度计算 | 第92-93页 |
5.3.2 社会化推荐系统框架 | 第93-95页 |
5.4 社会化推荐系统的实证研究 | 第95-105页 |
5.4.1 糖尿病微博数据收集 | 第95页 |
5.4.2 实验处理 | 第95-96页 |
5.4.3 推荐结果评价 | 第96-102页 |
5.4.4 婴幼儿主题微博数据验证 | 第102-105页 |
5.5 本章小结 | 第105-107页 |
结论 | 第107-109页 |
参考文献 | 第109-124页 |
附录 | 第124-125页 |
攻读博士学位期间发表的论文及其它成果 | 第125-128页 |
致谢 | 第128-129页 |
个人简历 | 第129页 |