基于内容的推荐与协同过滤融合的新闻推荐研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 推荐技术研究现状 | 第10-13页 |
| 1.2.2 新闻推荐研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 新闻推荐方法分析 | 第17-25页 |
| 2.1 现有方法概述 | 第17-20页 |
| 2.1.1 协同过滤推荐 | 第17-19页 |
| 2.1.2 基于内容的推荐 | 第19页 |
| 2.1.3 混合推荐 | 第19-20页 |
| 2.2 现有方法存在的问题 | 第20-22页 |
| 2.2.1 协同过滤存在的问题 | 第20-21页 |
| 2.2.2 基于内容的推荐存在的问题 | 第21页 |
| 2.2.3 混合推荐存在的问题 | 第21-22页 |
| 2.3 本文方法提出 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 带时间权的既有兴趣模型 | 第25-33页 |
| 3.1 传统用户兴趣模型 | 第25-30页 |
| 3.1.1 文本预处理 | 第26-27页 |
| 3.1.2 文本特征表示 | 第27-29页 |
| 3.1.3 模型构建 | 第29-30页 |
| 3.2 既有兴趣模型的构建 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 基于混合相似度的潜在兴趣模型 | 第33-41页 |
| 4.1 传统的协同过滤 | 第33-36页 |
| 4.1.1 用户-新闻行为矩阵 | 第34页 |
| 4.1.2 相似用户群 | 第34-35页 |
| 4.1.3 用户对候选新闻的兴趣度 | 第35-36页 |
| 4.1.4 推荐结果的生成 | 第36页 |
| 4.2 用户间的混合相似度 | 第36-37页 |
| 4.3 潜在兴趣模型的构建 | 第37-39页 |
| 4.4 本章小结 | 第39-41页 |
| 5 基于融合兴趣模型的新闻推荐方法 | 第41-45页 |
| 5.1 融合兴趣模型的构建 | 第41-42页 |
| 5.2 推荐结果的生成 | 第42-44页 |
| 5.3 本章小结 | 第44-45页 |
| 6 实验与分析 | 第45-55页 |
| 6.1 实验数据和评价指标 | 第45-48页 |
| 6.1.1 实验数据和环境 | 第45页 |
| 6.1.2 实验的评价指标 | 第45-48页 |
| 6.2 实验结果及分析 | 第48-54页 |
| 6.2.1 实验方法 | 第48页 |
| 6.2.2 带时间权的既有兴趣模型有效性验证 | 第48-49页 |
| 6.2.3 混合相似度有效性验证 | 第49-51页 |
| 6.2.4 融合方法有效性验证 | 第51-52页 |
| 6.2.5 总体实验对比情况 | 第52-54页 |
| 6.3 本章小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| 7.1 本文工作总结 | 第55页 |
| 7.2 未来工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第63页 |
