致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7页 |
1 绪论 | 第10-17页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 研究综述 | 第11-13页 |
1.2.1 用户画像构建研究 | 第11-12页 |
1.2.2 精准推荐算法研究 | 第12-13页 |
1.2.3 多样性推荐算法研究 | 第13页 |
1.3 研究内容及方法 | 第13-14页 |
1.3.1 研究内容 | 第13-14页 |
1.3.2 研究方法 | 第14页 |
1.4 技术路线 | 第14-15页 |
1.5 论文结构 | 第15-17页 |
2 理论、方法与技术概述 | 第17-23页 |
2.1 用户画像 | 第17-18页 |
2.1.1 定义及作用 | 第17页 |
2.1.2 构建方法 | 第17-18页 |
2.2 算法概述 | 第18-20页 |
2.2.1 基于项目的K近邻算法 | 第18-19页 |
2.2.2 基于用户的协同过滤算法 | 第19页 |
2.2.3 艾宾浩斯记忆遗忘曲线 | 第19-20页 |
2.3 技术概述 | 第20-23页 |
2.3.1 MySQL数据库 | 第20-21页 |
2.3.2 WordPress插件 | 第21-23页 |
3 WordPress用户画像分析与偏好建模 | 第23-37页 |
3.1 WordPress用户画像分析 | 第23-28页 |
3.1.1 用户画像构建流程 | 第23-24页 |
3.1.2 设计用户画像标签与数据采集指标 | 第24-26页 |
3.1.3 确定数据源 | 第26-28页 |
3.2 用户精准偏好建模 | 第28-31页 |
3.2.1 用户行为时间权重的计算 | 第28页 |
3.2.2 用户行为动态权重的计算 | 第28-30页 |
3.2.3 基于K近邻算法的用户精准偏好建模 | 第30-31页 |
3.3 用户潜在偏好建模 | 第31-37页 |
3.3.1 基础属性特征的量化 | 第31-33页 |
3.3.2 各量化特征距离的计算 | 第33-35页 |
3.3.3 基于相似用户的用户潜在偏好建模 | 第35-37页 |
4 WordPress用户画像和博文推荐插件的设计与实现 | 第37-59页 |
4.1 用户画像数据库设计 | 第37-42页 |
4.1.1 需求分析 | 第37页 |
4.1.2 概念结构设计 | 第37-39页 |
4.1.3 逻辑结构设计 | 第39-40页 |
4.1.4 物理结构设计 | 第40-42页 |
4.2 用户画像数据处理 | 第42-48页 |
4.2.1 数据的抽取 | 第42-45页 |
4.2.2 数据的清理与转换 | 第45-47页 |
4.2.3 数据的装载与更新 | 第47-48页 |
4.3 博文精准推荐插件的设计与实现 | 第48-54页 |
4.3.1 博文精准推荐插件的设计 | 第48-50页 |
4.3.2 用户精准偏好算法的实现 | 第50-52页 |
4.3.3 博文精准推荐插件的实现 | 第52-54页 |
4.4 博文多样性推荐插件的设计与实现 | 第54-59页 |
4.4.1 博文多样性推荐插件的设计 | 第54页 |
4.4.2 用户潜在偏好算法的实现 | 第54-58页 |
4.4.3 博文多样性推荐插件的实现 | 第58-59页 |
5 基于用户画像的中华文化英文博客的博文推荐 | 第59-75页 |
5.1 用户画像数据处理 | 第59-67页 |
5.1.1 数据的抽取 | 第59-60页 |
5.1.2 数据的清理与转换 | 第60-63页 |
5.1.3 数据的装载与更新 | 第63-67页 |
5.2 博文精准推荐插件的应用 | 第67-71页 |
5.2.1 插件的安装 | 第67-68页 |
5.2.2 插件的配置 | 第68-69页 |
5.2.3 效果展示 | 第69-71页 |
5.3 博文多样性推荐插件的应用 | 第71-75页 |
5.3.1 插件的安装 | 第71页 |
5.3.2 插件的配置 | 第71-72页 |
5.3.3 效果展示 | 第72-75页 |
6 结论和展望 | 第75-77页 |
6.1 结论 | 第75页 |
6.2 展望 | 第75-77页 |
参考文献 | 第77-81页 |
附录A | 第81-85页 |
附录B | 第85-91页 |
附录C | 第91-97页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第97-100页 |
学位论文数据集 | 第100页 |