面向企业需求的专家推荐算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 推荐系统发展现状 | 第12-14页 |
| 1.2.2 主题模型研究现状 | 第14-15页 |
| 1.2.3 专家推荐算法研究现状 | 第15-17页 |
| 1.2.4 国内外研究现状总结 | 第17页 |
| 1.3 研究内容和创新点 | 第17-19页 |
| 1.4 组织结构和技术路线 | 第19-21页 |
| 2 相关理论与技术 | 第21-33页 |
| 2.1 LDA模型 | 第21-24页 |
| 2.1.1 LDA的生成过程 | 第21-22页 |
| 2.1.2 模型参数与求解 | 第22-24页 |
| 2.2 推荐算法 | 第24-30页 |
| 2.2.1 常用的推荐算法 | 第24-29页 |
| 2.2.2 推荐算法评价 | 第29-30页 |
| 2.3 数据获取与挖掘技术 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 企业需求和专家信息预处理 | 第33-49页 |
| 3.1 企业需求数据 | 第33-35页 |
| 3.2 专家信息采集 | 第35-42页 |
| 3.2.1 专家信息的组成 | 第35-37页 |
| 3.2.2 专家信息的获取与清洗 | 第37-42页 |
| 3.3 基于LDA模型的主题词获取 | 第42-48页 |
| 3.3.1 最优主题数 | 第42-43页 |
| 3.3.2 文档主题词获取 | 第43-44页 |
| 3.3.3 算例与分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于主题信息的专家推荐方法 | 第49-63页 |
| 4.1 企业需求与专家信息的向量空间模型 | 第49-53页 |
| 4.1.1 向量空间模型 | 第49-51页 |
| 4.1.2 企业需求和专家特征模型的构建 | 第51-53页 |
| 4.2 企业需求与专家特征模型的相似度 | 第53-55页 |
| 4.3 算例与分析 | 第55-61页 |
| 4.3.1 算例设计 | 第55-56页 |
| 4.3.2 算例结果 | 第56-61页 |
| 4.4 本章小结 | 第61-63页 |
| 5 基于业务能力的专家推荐结果优化 | 第63-77页 |
| 5.1 专家业务能力的衡量指标 | 第63-72页 |
| 5.1.1 专家参与的科研项目 | 第63-66页 |
| 5.1.2 专家的论文贡献 | 第66-72页 |
| 5.2 推荐专家结果的优化 | 第72-73页 |
| 5.3 算例与分析 | 第73-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 全文总结 | 第77页 |
| 6.2 未来展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录A | 第83-87页 |
| 附录B | 第87-91页 |
| 附录C | 第91-93页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第93-97页 |
| 学位论文数据集 | 第97页 |
