社会化标签语义规范化及其在推荐系统中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 本文研究内容和主要工作 | 第9-10页 |
| 1.2.1 研究目标和方法 | 第9-10页 |
| 1.2.2 拟解决的关键问题 | 第10页 |
| 1.3 本文创新点 | 第10-11页 |
| 1.4 论文组织 | 第11-12页 |
| 第二章 相关工作研究 | 第12-19页 |
| 2.1 社会化标签系统 | 第12-13页 |
| 2.1.1 标签 | 第12页 |
| 2.1.2 标签模型 | 第12-13页 |
| 2.2 用户兴趣建模 | 第13-15页 |
| 2.2.1 用户兴趣建模基本框架 | 第13-14页 |
| 2.2.2 用户兴趣模型的表示 | 第14-15页 |
| 2.3 基于标签的个性化推荐技术 | 第15-18页 |
| 2.3.1 基于标签的协同过滤推荐算法 | 第15-16页 |
| 2.3.2 基于标签的资源内容推荐算法 | 第16-17页 |
| 2.3.3 基于标签的张量分解推荐算法 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于外部词库的标签语义关联构建 | 第19-23页 |
| 3.1 Word2vec的语义模型训练 | 第19页 |
| 3.2 基于维基百科的标签语义关联构建 | 第19-21页 |
| 3.2.1 语义关联构建数据集 | 第19-20页 |
| 3.2.2 基于Porter算法的标签预处理 | 第20页 |
| 3.2.3 标签语义关联的构建 | 第20-21页 |
| 3.3 本章小结 | 第21-23页 |
| 第四章 基于网络分割聚类的标签规范化方法 | 第23-29页 |
| 4.1 标签相似度计算 | 第24-25页 |
| 4.2 标签核心度计算 | 第25页 |
| 4.3 基于网络分割的标签聚类 | 第25-27页 |
| 4.4 实验 | 第27-28页 |
| 4.4.1 实验数据 | 第27页 |
| 4.4.2 实验结果 | 第27-28页 |
| 4.5 本章小结 | 第28-29页 |
| 第五章 基于规范化标签的推荐算法研究 | 第29-37页 |
| 5.1 算法介绍 | 第29-32页 |
| 5.1.1 问题描述 | 第29页 |
| 5.1.2 基于评分信息熵的用户标签权重计算 | 第29-30页 |
| 5.1.3 算法流程 | 第30-32页 |
| 5.2 实验 | 第32-36页 |
| 5.2.1 实验数据 | 第32页 |
| 5.2.2 度量标准 | 第32-33页 |
| 5.2.3 实验结果与分析 | 第33-36页 |
| 5.3 本章小结 | 第36-37页 |
| 第六章 总结与展望 | 第37-39页 |
| 6.1 本文工作总结 | 第37页 |
| 6.2 未来展望 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 攻读硕士学位期间发表的论文 | 第43-44页 |
| 后记 | 第44页 |
