基于用户兴趣的微博推荐方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 用户兴趣研究现状 | 第9-10页 |
| 1.2.2 推荐系统研究现状 | 第10页 |
| 1.2.3 目前研究中存在的问题 | 第10-11页 |
| 1.3 本文的主要内容 | 第11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关模型 | 第13-20页 |
| 2.1 标签介绍 | 第13-14页 |
| 2.2 文本信息挖掘算法 | 第14-15页 |
| 2.2.1 向量空间模型 | 第14页 |
| 2.2.2 TF-IDF | 第14-15页 |
| 2.2.3 主题模型 | 第15页 |
| 2.3 推荐算法介绍 | 第15-19页 |
| 2.3.1 推荐算法分类 | 第15-18页 |
| 2.3.2 推荐算法对比 | 第18-19页 |
| 2.3.3 推荐算法研究的热点问题 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于标签更新的微博用户兴趣挖掘算法 | 第20-30页 |
| 3.1 相关研究 | 第20页 |
| 3.2 用户初始兴趣的建立 | 第20-22页 |
| 3.2.1 用户初始兴趣的获取和预处理 | 第20-21页 |
| 3.2.2 标签权重的计算 | 第21-22页 |
| 3.3 标签更新的微博用户兴趣挖掘算法 | 第22-26页 |
| 3.3.1 标签更新强度 | 第22-24页 |
| 3.3.2 微博用户兴趣挖掘算法 | 第24-26页 |
| 3.4 实验结果与分析 | 第26-28页 |
| 3.4.1 数据集及预处理 | 第26页 |
| 3.4.2 评价方法 | 第26页 |
| 3.4.3 实验结果与分析 | 第26-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第四章 融合标签与人工蜂群的微博推荐算法 | 第30-39页 |
| 4.1 相关研究 | 第30页 |
| 4.2 相关定义 | 第30-31页 |
| 4.3 融合标签人工蜂群的微博话题推荐算法 | 第31-35页 |
| 4.3.1 人工蜂群算法 | 第31-32页 |
| 4.3.2 适应度函数的构建 | 第32-33页 |
| 4.3.3 微博推荐算法 | 第33-35页 |
| 4.4 实验结果与分析 | 第35-38页 |
| 4.4.1 实验数据与预处理 | 第35-36页 |
| 4.4.2 评价指标 | 第36页 |
| 4.4.3 实验结果与分析 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 微博推荐原型系统的设计与实现 | 第39-43页 |
| 5.1 系统设计原理 | 第39页 |
| 5.2 系统设计方案 | 第39-40页 |
| 5.3 系统功能展示 | 第40-42页 |
| 5.3.1 主界面 | 第40页 |
| 5.3.2 用户兴趣界面 | 第40-41页 |
| 5.3.3 微博推荐界面 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 论文总结 | 第43-44页 |
| 6.2 工作展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻硕期间发表论文及科研成果 | 第49-50页 |
| 致谢 | 第50页 |
