| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文研究内容 | 第11-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 相关技术分析 | 第14-21页 |
| 2.1 主要推荐算法 | 第14-17页 |
| 2.1.1 协同过滤推荐算法 | 第14页 |
| 2.1.2 基于内容的推荐算法 | 第14-16页 |
| 2.1.3 基于关联规则的推荐算法 | 第16-17页 |
| 2.1.4 混合推荐算法 | 第17页 |
| 2.2 矩阵分解模型 | 第17-19页 |
| 2.2.1 基本矩阵分解模型 | 第17页 |
| 2.2.2 概率矩阵分解模型 | 第17-18页 |
| 2.2.3 偏差矩阵分解模型 | 第18-19页 |
| 2.3 随机梯度下降法 | 第19页 |
| 2.4 文本挖掘技术 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于用户偏好的科技论文推荐算法研究 | 第21-34页 |
| 3.1 问题背景描述 | 第21-22页 |
| 3.2 论文摘要相似度计算 | 第22-25页 |
| 3.3 基于用户偏好的科技论文推荐算法模型 | 第25-30页 |
| 3.3.1 问题形式化分析 | 第25-27页 |
| 3.3.2 用户偏好模型构建 | 第27-28页 |
| 3.3.3 模型参数向量求解 | 第28页 |
| 3.3.4 目标函数优化求解 | 第28-30页 |
| 3.4 实验结果与分析 | 第30-33页 |
| 3.4.1 实验准备 | 第30-31页 |
| 3.4.2 实验结果评价 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于用户偏好和引文关系的科技论文推荐算法研究 | 第34-47页 |
| 4.1 问题背景描述 | 第34-35页 |
| 4.2 论文标题相似度计算 | 第35-37页 |
| 4.3 基于用户偏好和引文关系的科技论文推荐算法模型 | 第37-42页 |
| 4.3.1 问题形式化分析 | 第37-39页 |
| 4.3.2 引文关系模型构建 | 第39-41页 |
| 4.3.3 基于用户偏好和引文关系的科技论文推荐模型 | 第41页 |
| 4.3.4 目标函数优化求解 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-46页 |
| 4.4.1 实验准备 | 第42页 |
| 4.4.2 实验结果评价 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 基于用户偏好和引文关系的科技论文推荐原型系统 | 第47-56页 |
| 5.1 原型系统背景描述 | 第47页 |
| 5.2 原型系统总体设计 | 第47-48页 |
| 5.3 主要功能设计 | 第48-51页 |
| 5.3.1 行为数据模块 | 第50页 |
| 5.3.2 日志文件模块 | 第50页 |
| 5.3.3 推荐引擎模块 | 第50-51页 |
| 5.4 数据库设计 | 第51-53页 |
| 5.5 原型实现及效果分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
| A 作者在攻读硕士学位期间发表的论文 | 第64页 |
| B 作者在攻读硕士学位期间参与的科研项目 | 第64页 |