基于文本语义的个性化图书推荐
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究内容 | 第11页 |
| 1.3 本文组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 第二章 基于文本语义的个性化推荐相关研究 | 第14-28页 |
| 2.1 文本语义分析 | 第14-22页 |
| 2.1.1 词频-逆文档频率 | 第14页 |
| 2.1.2 潜在语义分析 | 第14-15页 |
| 2.1.3 LDA算法 | 第15-18页 |
| 2.1.4 词向量 | 第18-22页 |
| 2.2 聚类算法 | 第22-24页 |
| 2.2.1 谱聚类算法 | 第22-23页 |
| 2.2.2 幂迭代聚类算法 | 第23-24页 |
| 2.3 个性化推荐算法 | 第24-27页 |
| 2.3.1 基于内容的推荐 | 第24-25页 |
| 2.3.2 协同过滤 | 第25-26页 |
| 2.3.3 混合推荐 | 第26-27页 |
| 2.3.4 基于标签的个性化推荐 | 第27页 |
| 2.4 Spark简介 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于文本语义的兴趣偏好模型 | 第28-48页 |
| 3.1 标签偏好分析 | 第28-31页 |
| 3.1.1 频率域标签偏好建模 | 第29-30页 |
| 3.1.2 时间域标签偏好建模 | 第30页 |
| 3.1.3 标签稀疏性 | 第30-31页 |
| 3.2 标签语义相似度 | 第31-40页 |
| 3.2.1 语料库预处理 | 第33-35页 |
| 3.2.2 词向量训练 | 第35-36页 |
| 3.2.3 基于词向量的标签相似度 | 第36页 |
| 3.2.4 实例验证 | 第36-38页 |
| 3.2.5 基于标签共现的相似度改进算法 | 第38-40页 |
| 3.3 基于标签聚类的语义偏好模型 | 第40-44页 |
| 3.3.1 标签网络构建 | 第40-41页 |
| 3.3.2 标签语义聚类 | 第41-43页 |
| 3.3.3 标签语义偏好模型 | 第43-44页 |
| 3.4 基于摘要语义的偏好模型 | 第44-46页 |
| 3.4.1 冷启动问题 | 第44页 |
| 3.4.2 摘要潜在主题提取 | 第44-45页 |
| 3.4.3 摘要语义偏好模型 | 第45-46页 |
| 3.4.4 实例验证 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于语义偏好的个性化推荐算法研究 | 第48-58页 |
| 4.1 个性化推荐算法 | 第48-51页 |
| 4.1.1 基于语义偏好的向量相似度推荐算法 | 第48页 |
| 4.1.2 基于语义偏好的协同过滤扩展算法 | 第48-51页 |
| 4.2 实验设计 | 第51-54页 |
| 4.2.1 个性化图书推荐系统整体架构 | 第51-52页 |
| 4.2.2 数据采集 | 第52-53页 |
| 4.2.3 评价指标 | 第53-54页 |
| 4.3 实验结果分析 | 第54-56页 |
| 4.3.1 语义数量选择 | 第54-55页 |
| 4.3.2 推荐结果比较 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 基于Spark的推荐系统设计 | 第58-70页 |
| 5.1 基于Spark的推荐系统架构 | 第58-59页 |
| 5.2 基于Spark的文本语义分析平台 | 第59-62页 |
| 5.2.1 词向量并行化实现 | 第59-60页 |
| 5.2.2 标签聚类并行化实现 | 第60-61页 |
| 5.2.3 LDA算法并行化实现 | 第61-62页 |
| 5.3 基于Spark的协同过滤扩展算法 | 第62-66页 |
| 5.3.1 ItemCF并行化实现 | 第62-64页 |
| 5.3.2 UserCF并行化实现 | 第64-66页 |
| 5.4 性能分析 | 第66-67页 |
| 5.4.1 环境参数 | 第66页 |
| 5.4.2 运行效率分析 | 第66-67页 |
| 5.5 本章小结 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-77页 |
