基于RSS信息源的用户兴趣模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题的研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·个性化服务的研究现状 | 第12页 |
| ·用户模型的研究现状 | 第12-14页 |
| ·RSS 研究现状 | 第14-15页 |
| ·本文的研究内容 | 第15页 |
| ·本文结构安排 | 第15-17页 |
| 第二章 用户建模理论 | 第17-30页 |
| ·用户建模的信息来源 | 第17-19页 |
| ·用户建模的信息 | 第17-19页 |
| ·用户浏览行为的分类 | 第19页 |
| ·用户建模信息的获取 | 第19-23页 |
| ·显式收集和隐式收集 | 第19-20页 |
| ·行为数据的采集方法 | 第20-23页 |
| ·用户模型表示 | 第23-27页 |
| ·基于向量空间模型的表示 | 第23-25页 |
| ·基于本体的表示 | 第25页 |
| ·基于关键词列表法 | 第25-26页 |
| ·基于兴趣粒度的表示 | 第26-27页 |
| ·用户模型的更新 | 第27-29页 |
| ·信息增补技术 | 第27页 |
| ·生物进化技术 | 第27-28页 |
| ·神经网络技术 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 用户模型的建立与学习 | 第30-47页 |
| ·基于RSS 用户模型的建立 | 第30-36页 |
| ·RSS 技术 | 第30-31页 |
| ·信息源的预处理过程 | 第31-35页 |
| ·双层树状用户模型 | 第35-36页 |
| ·用户模型权值的计算 | 第36-40页 |
| ·用户兴趣度的计算方法 | 第36-39页 |
| ·特征向量权值的计算方法 | 第39-40页 |
| ·用户模型的学习 | 第40-46页 |
| ·模型学习方法 | 第40-41页 |
| ·双层树状模型的聚类学习 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 用户模型的更新 | 第47-57页 |
| ·内容过滤与相似度计算 | 第47-50页 |
| ·内容过滤技术 | 第47-48页 |
| ·相似度计算方法 | 第48-50页 |
| ·用户反馈技术 | 第50-52页 |
| ·相关反馈 | 第50-51页 |
| ·Rocchio 反馈 | 第51-52页 |
| ·用户模型的更新 | 第52-56页 |
| ·一种基于显式反馈的更新方法 | 第53页 |
| ·一种基于隐式反馈的更新方法 | 第53-54页 |
| ·双层树状用户模型的更新 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 实验与结果分析 | 第57-69页 |
| ·实验环境和数据来源 | 第57页 |
| ·实验环境 | 第57页 |
| ·数据来源 | 第57页 |
| ·实验系统设计 | 第57-61页 |
| ·实验方法 | 第61-63页 |
| ·实验结果分析 | 第63-68页 |
| ·实验步骤 | 第63-65页 |
| ·实验结果与分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结和展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的论文情况 | 第76页 |
