一种基于混合用户兴趣模型的个性化推荐系统
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·选题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·个性化推荐 | 第10-11页 |
| ·用户兴趣描述文件的建立 | 第11-12页 |
| ·课题提出的意义 | 第12页 |
| ·本文研究的内容 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 2 混合用户兴趣模型 | 第14-24页 |
| ·用户兴趣建模常用方法 | 第14-16页 |
| ·基于评价的表示 | 第14页 |
| ·基于内容的表示 | 第14-15页 |
| ·基于知识模型的表示 | 第15-16页 |
| ·混合用户兴趣模型的表示 | 第16-17页 |
| ·网页描述与用户兴趣度计算 | 第17-21页 |
| ·用户浏览内容的文本特征描述 | 第17-19页 |
| ·基于浏览行为的用户兴趣度计算 | 第19-21页 |
| ·用户反馈信息与混合用户兴趣模型的更新 | 第21-23页 |
| ·用户反馈信息 | 第21-22页 |
| ·混合用户兴趣模型更新算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 用于用户兴趣获取与更新的双重遗传算法 | 第24-34页 |
| ·遗传算法简介 | 第24-26页 |
| ·遗传算法在个性化服务中的应用 | 第26-28页 |
| ·双重遗传算法的设计 | 第28-33页 |
| ·FGA 遗传算法设计 | 第29-31页 |
| ·SGA 遗传算法设计 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于混合用户兴趣模型的个性化推荐 | 第34-43页 |
| ·传统基于内容的个性化推荐过程 | 第34-37页 |
| ·用户数据的获取 | 第34-35页 |
| ·文本数据的特征向量表示 | 第35-37页 |
| ·用户兴趣模型的建立 | 第37页 |
| ·产生推荐数据集 | 第37页 |
| ·基于混合用户兴趣模型的个性化推荐 | 第37-42页 |
| ·传统个性化推荐模型的缺陷 | 第37-39页 |
| ·基于混合用户兴趣模型的个性化系统框架 | 第39-41页 |
| ·基于混合用户兴趣模型的个性化推荐 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 对比实验与结果分析 | 第43-59页 |
| ·数据预处理 | 第44-50页 |
| ·数据来源 | 第44页 |
| ·词典的自动生成 | 第44-46页 |
| ·页面向量空间模型表示 | 第46页 |
| ·用户浏览行为数据获取 | 第46-47页 |
| ·高维向量空间模型的降维 | 第47-50页 |
| ·实验方法与步骤 | 第50-51页 |
| ·实验结果图表分析 | 第51-58页 |
| ·信息推荐效率实验 | 第51-53页 |
| ·用户兴趣描述精确度实验 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| ·研究总结 | 第59-60页 |
| ·研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第65-66页 |
| 独创性声明 | 第66页 |
| 学位论文版权使用授权书 | 第66页 |
