基于马尔科夫链和节点中心度的论文推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 经典的推荐算法 | 第12-14页 |
| 1.2.2 科技论文推荐算法 | 第14-15页 |
| 1.3 论文研究内容及技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 理论基础 | 第18-27页 |
| 2.1 个性化推荐技术 | 第18-22页 |
| 2.1.1 协同过滤算法 | 第18-19页 |
| 2.1.2 基于内容过滤的推荐算法 | 第19-20页 |
| 2.1.3 基于关联规则的推荐算法 | 第20-21页 |
| 2.1.4 基于社交网络的推荐算法 | 第21-22页 |
| 2.1.5 混合推荐算法 | 第22页 |
| 2.2 马尔科夫模型 | 第22-24页 |
| 2.2.1 马尔科夫过程 | 第22-23页 |
| 2.2.2 马尔科夫链 | 第23页 |
| 2.2.3 马尔科夫链的应用 | 第23-24页 |
| 2.3 社交网络理论 | 第24-26页 |
| 2.3.1 社交网络的理论基础 | 第24页 |
| 2.3.2 社交网络的结构特征 | 第24-26页 |
| 2.3.3 社交网络的基本参数 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 论文相似度计算模型 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 相关研究 | 第27-29页 |
| 3.3 相似度模型设计 | 第29-30页 |
| 3.4 相似度模型构建 | 第30-34页 |
| 3.4.1 模型结构 | 第30-31页 |
| 3.4.2 数据处理 | 第31-32页 |
| 3.4.3 用户权值计算 | 第32-33页 |
| 3.4.4 状态转移矩阵计算 | 第33-34页 |
| 3.4.5 论文相似度计算模型 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 论文推荐算法实现及性能分析 | 第35-51页 |
| 4.1 引言 | 第35页 |
| 4.2 算法设计与实现 | 第35-47页 |
| 4.2.1 算法流程 | 第35-36页 |
| 4.2.2 用户权重确定 | 第36-41页 |
| 4.2.3 状态转移矩阵获取 | 第41-45页 |
| 4.2.4 论文相似度计算 | 第45-47页 |
| 4.3 算法性能分析 | 第47-50页 |
| 4.3.1 性能评价指标 | 第47-48页 |
| 4.3.2 实验环境 | 第48页 |
| 4.3.3 实验结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 论文推荐系统设计与实现 | 第51-62页 |
| 5.1 系统概要分析 | 第51-52页 |
| 5.1.1 需求分析 | 第51-52页 |
| 5.1.2 系统框架 | 第52页 |
| 5.1.3 系统开发环境 | 第52页 |
| 5.2 数据库设计 | 第52-55页 |
| 5.3 主要模块设计 | 第55-56页 |
| 5.3.1 热门论文推荐 | 第55-56页 |
| 5.3.2 个性化论文推荐 | 第56页 |
| 5.4 实现功能展示 | 第56-59页 |
| 5.4.1 用户好友关注 | 第56-57页 |
| 5.4.2 论文推荐 | 第57-58页 |
| 5.4.3 后台管理 | 第58-59页 |
| 5.5 论文推荐系统评价 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
