基于用户模型的个性化广告推荐技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.3.1 用户兴趣模型的研究现状 | 第10-11页 |
| 1.3.2 个性化广告推荐技术的研究现状 | 第11页 |
| 1.4 论文主要研究内容及创新点 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第二章 相关研究 | 第13-24页 |
| 2.1 用户兴趣建模流程 | 第13页 |
| 2.2 用户兴趣建模技术分析 | 第13-18页 |
| 2.2.1 用户采集信息来源 | 第14-15页 |
| 2.2.2 用户信息获取方式 | 第15页 |
| 2.2.3 用户模型的数据结构 | 第15-17页 |
| 2.2.4 模型构建的技术分类 | 第17-18页 |
| 2.3 推荐技术 | 第18-23页 |
| 2.3.1 个性化推荐系统原理 | 第19-20页 |
| 2.3.2 推荐技术的常用方法 | 第20-22页 |
| 2.3.3 广告推荐技术 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于显隐式信息结合的用户兴趣模型构建 | 第24-42页 |
| 3.1 基于显式信息的用户兴趣建模 | 第24-27页 |
| 3.2 改进的隐式建模方法 | 第27-32页 |
| 3.2.1 传统隐式信息建模方法 | 第28-30页 |
| 3.2.2 改进的隐式建模方法 | 第30-32页 |
| 3.3 显隐式信息结合的用户兴趣建模方法 | 第32-36页 |
| 3.3.1 显隐式信息结合的兴趣建模框架与流程 | 第33-35页 |
| 3.3.2 显隐式结合的用户兴趣模型建立 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-41页 |
| 3.4.1 实验目的 | 第36-38页 |
| 3.4.2 实验结果分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于用户模型的协同过滤个性化广告推荐技术 | 第42-52页 |
| 4.1 协同过滤推荐技术 | 第42-45页 |
| 4.2 基于用户模型的协同过滤个性化广告推荐技术 | 第45-47页 |
| 4.2.1 个性化广告推荐系统框架设计 | 第45-46页 |
| 4.2.2 基于用户兴趣模型的个性化广告推荐算法 | 第46-47页 |
| 4.3 实验设计与分析 | 第47-51页 |
| 4.3.1 MovieLens数据集介绍 | 第48-49页 |
| 4.3.2 数据集的划分 | 第49页 |
| 4.3.3 评价方法 | 第49-50页 |
| 4.3.5 实验结果分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间主要的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
