社交网络中的主题用户推荐算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 数据获取技术 | 第14-16页 |
| 1.2.2 社交网络推荐现状分析 | 第16-17页 |
| 1.3 研究内容及挑战 | 第17-20页 |
| 1.3.1 本文研究内容 | 第17-19页 |
| 1.3.2 面临的挑战 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第二章 相关理论 | 第21-32页 |
| 2.1 推荐算法 | 第21-25页 |
| 2.1.1 推荐问题定义 | 第21页 |
| 2.1.2 主流推荐算法介绍 | 第21-25页 |
| 2.2 LDA主题模型 | 第25-28页 |
| 2.3 关联分析 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 微博数据获取框架 | 第32-37页 |
| 3.1 微博数据爬取方案设计 | 第32-35页 |
| 3.2 微博爬取框架性能评估 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 微博主题标注模型 | 第37-43页 |
| 4.1 微博文本分词处理 | 第37-39页 |
| 4.1.1 原始微博数据预处理 | 第37-38页 |
| 4.1.2 分词 | 第38-39页 |
| 4.2 基于LDA的微博主题标注模型 | 第39-40页 |
| 4.3 基于LDA微博主题标注算法性能评测 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 主题用户提取模型 | 第43-49页 |
| 5.1 主题用户的定义 | 第43-44页 |
| 5.2 用户-主题偏好模型 | 第44-45页 |
| 5.3 主题用户提取算法 | 第45-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 主题用户推荐模型 | 第49-60页 |
| 6.1 主题用户推荐模型 | 第49-55页 |
| 6.1.1 基于内容相似的主题用户推荐 | 第49-51页 |
| 6.1.2 主题用户混合推荐算法 | 第51-55页 |
| 6.2 算法实验环境及评估方法 | 第55-57页 |
| 6.2.1 实验环境和实验数据说明 | 第55-56页 |
| 6.2.2 推荐算法的评估方法 | 第56-57页 |
| 6.3 主题用户推荐算法性能评估 | 第57-59页 |
| 6.3.1 准确率 | 第57-58页 |
| 6.3.2 多样性 | 第58-59页 |
| 6.4 本章小结 | 第59-60页 |
| 第七章 总结和展望 | 第60-62页 |
| 7.1 本文总结 | 第60页 |
| 7.2 进一步的工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
