| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-22页 |
| ·研究背景及意义 | 第11-12页 |
| ·个性化推荐的兴起 | 第11页 |
| ·用户兴趣模型在个性化服务中的重要性 | 第11-12页 |
| ·相关研究现状 | 第12-19页 |
| ·关于个性化推荐的研究 | 第12-13页 |
| ·关于用户兴趣模型的研究 | 第13-15页 |
| ·关于贝叶斯网络的研究 | 第15-18页 |
| ·关于贝叶斯网络在用户建模与个性化推荐中的应用研究 | 第18-19页 |
| ·本文研究内容及创新点 | 第19-22页 |
| ·研究内容及章节安排 | 第19-20页 |
| ·本文创新点 | 第20-22页 |
| 2 相关理论准备 | 第22-29页 |
| ·贝叶斯网络 | 第22-25页 |
| ·贝叶斯网络的概念 | 第22页 |
| ·贝叶斯网络的构造 | 第22-24页 |
| ·贝叶斯网络的推理 | 第24页 |
| ·贝叶斯网络的学习 | 第24-25页 |
| ·信息论基础 | 第25-26页 |
| ·信息熵 | 第25-26页 |
| ·互信息与条件独立 | 第26页 |
| ·用户兴趣模型概述 | 第26-29页 |
| ·用户兴趣模型的定义 | 第26页 |
| ·用户兴趣模型的表示 | 第26-28页 |
| ·用户建模的方法及分类 | 第28-29页 |
| 3 基于互信息和领域标签系统的贝叶斯网络用户兴趣模型(MTBUIM) | 第29-46页 |
| ·MTBUIM的提出 | 第29-30页 |
| ·MTBUIM的整体结构 | 第30-32页 |
| ·MTBUIM的构成 | 第32-37页 |
| ·MTBUIM的网络节点 | 第32页 |
| ·MTBUIM的节点权值 | 第32-33页 |
| ·MTBUIM的有向边 | 第33页 |
| ·MTBUIM的概率分布表 | 第33-34页 |
| ·MTBUIM的构成示例 | 第34-37页 |
| ·MTBUIM的结构化表示 | 第37-38页 |
| ·MTBUIM的初始化——BN的构造 | 第38-43页 |
| ·领域标签云 | 第38-40页 |
| ·MTBUIM网络节点的初始化 | 第40-41页 |
| ·MTBUIM节点权值的初始化 | 第41-43页 |
| ·MTBUIM时间因子的初始化 | 第43页 |
| ·MTBUIM互信息表的初始化 | 第43页 |
| ·MTBUIM的更新——BN的学习 | 第43-46页 |
| ·领域标签云的更新 | 第43-44页 |
| ·MTBUIM节点的更新 | 第44页 |
| ·MTBUIM的参数学习 | 第44页 |
| ·MTBUIM的结构学习 | 第44-46页 |
| 4 基于MTBUIM的个性化推荐 | 第46-56页 |
| ·基于标签的个性化推荐 | 第46-47页 |
| ·基于MTBUIM的个性化推荐模型(MTBUIM_PRM) | 第47-54页 |
| ·MTBUIM_PRM的整体结构 | 第47-49页 |
| ·基于MTBUIM的标签扩展——BN的推理 | 第49-52页 |
| ·初始推荐集的生成 | 第52-53页 |
| ·最终推荐列表的生成 | 第53-54页 |
| ·MTBUIM_PRM的应用领域 | 第54-56页 |
| ·基于MTBUIM_PRM的电子商务网站商品推荐 | 第54-55页 |
| ·基于MTBUIM_PRM的UGC视频网站视频推荐 | 第55页 |
| ·基于MTBUIM_PRM的社交网站好友推荐 | 第55-56页 |
| 5 系统模拟实验 | 第56-69页 |
| ·实验目的及方案 | 第56页 |
| ·实验环境及开发工具 | 第56-57页 |
| ·实验的实现 | 第57-65页 |
| ·系统总体框架 | 第57页 |
| ·系统流程及模块设计 | 第57-60页 |
| ·数据库设计 | 第60页 |
| ·实验流程及系统功能实现 | 第60-65页 |
| ·实验结果及评价 | 第65-69页 |
| ·评价指标 | 第65-67页 |
| ·实验结果对比分析 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 攻读硕士学位期间发表的论文 | 第79-80页 |
| 攻读硕士学位期间参与的项目 | 第80-81页 |
| 致谢 | 第81-82页 |
