适用于高校学院级办公系统的推荐技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·主要问题及其研究现状 | 第12-21页 |
| ·个性化推荐系统与相关研究 | 第14-16页 |
| ·协同过滤系统 | 第14-15页 |
| ·基于内容的推荐系统 | 第15页 |
| ·混合推荐算法 | 第15-16页 |
| ·中文文档分词技术 | 第16-18页 |
| ·基于字典的分词法 | 第17页 |
| ·基于词的频度统计的分词方法 | 第17-18页 |
| ·基于知识理解的分词方法 | 第18页 |
| ·加权技术与相似度计算 | 第18-21页 |
| ·加权技术 | 第18-19页 |
| ·相似度计算 | 第19页 |
| ·向量距离和相似系数计算 | 第19-21页 |
| ·本文主要工作 | 第21-22页 |
| ·本论文的结构安排 | 第22-24页 |
| 第二章 推荐系统的构架 | 第24-32页 |
| ·系统的基本模块 | 第24-25页 |
| ·系统功能概述 | 第25-31页 |
| ·信息收集 | 第25-27页 |
| ·属性分类 | 第26页 |
| ·空间向量建立 | 第26页 |
| ·文档分词 | 第26-27页 |
| ·模型分析 | 第27-29页 |
| ·模型建立 | 第27-28页 |
| ·模型分析 | 第28-29页 |
| ·推荐算法 | 第29-31页 |
| ·算法选择 | 第29-30页 |
| ·混合推荐算法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 系统信息收集与中文分词的实现 | 第32-44页 |
| ·信息收集 | 第32-35页 |
| ·通用推荐系统的信息收集方式 | 第32页 |
| ·本文的信息收集方式 | 第32-35页 |
| ·中文分词 | 第35-43页 |
| ·概率语言模型分词 | 第36-37页 |
| ·文档分词的实现 | 第37-43页 |
| ·生成 Trie 树与有向无环图 | 第38-40页 |
| ·查找最大切分组合 | 第40-42页 |
| ·新词汇切分 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 模型分析模块的实现 | 第44-54页 |
| ·模型建立 | 第45-51页 |
| ·用户模型 | 第45-46页 |
| ·关键词模型 | 第46-49页 |
| ·关键词频率计算 | 第47-48页 |
| ·关键词模型建立 | 第48-49页 |
| ·文档模型 | 第49-51页 |
| ·文档向量生成 | 第50页 |
| ·文档模型的建立 | 第50-51页 |
| ·相似性计算 | 第51页 |
| ·余弦相似度 | 第51页 |
| ·计算结果分析 | 第51-53页 |
| ·测试数据 | 第52页 |
| ·测试结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 推荐模块的实现 | 第54-72页 |
| ·推荐算法选择 | 第54-55页 |
| ·推荐算法的整体框架 | 第55-63页 |
| ·算法的各阶段描述 | 第57-62页 |
| ·混合推荐的完整过程 | 第62-63页 |
| ·算法实验结果与比较 | 第63-71页 |
| ·数据源和评价标准 | 第63-64页 |
| ·基于推荐排名统计的评价标准 | 第63-64页 |
| ·统计平均误差 | 第64页 |
| ·与往年分配效果对比 | 第64-66页 |
| ·不同推荐方式效果分析 | 第66-71页 |
| ·平均推荐效果分析 | 第66-68页 |
| ·单个用户推荐效果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论 | 第72-73页 |
| ·总结 | 第72页 |
| ·展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
