基于混合模型的科技论文标签推荐方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 标签推荐常用技术及发展 | 第16-27页 |
| 2.1 矩阵分解技术与概率图模型 | 第16-20页 |
| 2.1.1 概率矩阵分解 | 第16-17页 |
| 2.1.2 基于核的概率矩阵分解 | 第17-19页 |
| 2.1.3 基于社交网络的矩阵分解技术 | 第19-20页 |
| 2.2 主题模型 | 第20-22页 |
| 2.3 标签推荐技术 | 第22-25页 |
| 2.3.1 基于共现的方法 | 第22-23页 |
| 2.3.2 基于内容的方法 | 第23-24页 |
| 2.3.3 基于混合模型的方法 | 第24-25页 |
| 2.3.4 标签推荐发展分析总结 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 数据预处理与评价指标 | 第27-34页 |
| 3.1 数据来源 | 第27页 |
| 3.2 数据处理 | 第27-29页 |
| 3.2.1 数据去噪 | 第27-28页 |
| 3.2.2 文本信息向量化 | 第28-29页 |
| 3.2.3 提取关系信息 | 第29页 |
| 3.3 数据集划分 | 第29-30页 |
| 3.4 主题模型训练 | 第30-32页 |
| 3.5 评价指标 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于核的协同主题回归模型 | 第34-51页 |
| 4.1 模型设计思路 | 第34-36页 |
| 4.2 算法实现过程 | 第36-38页 |
| 4.3 讨论KCTR和CTR模型的差异 | 第38-40页 |
| 4.4 目标参数更新规则 | 第40-43页 |
| 4.4.1 获得似然函数 | 第40-41页 |
| 4.4.2 计算目标特征更新规则 | 第41-42页 |
| 4.4.3 主题模型参数优化规则 | 第42-43页 |
| 4.5 结果对比与参数对算法影响分析 | 第43-50页 |
| 4.5.1 参数对模型的影响分析 | 第43-45页 |
| 4.5.2 模型参数设置 | 第45页 |
| 4.5.3 结果对比 | 第45-49页 |
| 4.5.4 算法效率分析 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于内容互信的矩阵分解主题回归模型 | 第51-69页 |
| 5.1 模型设计思路 | 第51-53页 |
| 5.1.1 信任关系的引入 | 第51-52页 |
| 5.1.2 对比其他模型 | 第52页 |
| 5.1.3 模型确立 | 第52-53页 |
| 5.2 算法准备工作与生成过程 | 第53-57页 |
| 5.2.1 构建信任网络 | 第53-56页 |
| 5.2.2 算法的生成过程 | 第56-57页 |
| 5.3 目标参数更新规则 | 第57-59页 |
| 5.3.1 获得对数似然函数 | 第57-58页 |
| 5.3.2 计算目标特征规则 | 第58-59页 |
| 5.3.3 主题模型参数优化规则 | 第59页 |
| 5.4 结果对比与参数对算法影响分析 | 第59-67页 |
| 5.4.1 参数对模型的影响分析 | 第60-61页 |
| 5.4.2 模型参数设置 | 第61-62页 |
| 5.4.3 结果对比 | 第62-67页 |
| 5.4.4 算法效率分析 | 第67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 全文总结和展望 | 第69-71页 |
| 6.1 全文总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 在学期间取得的与学位论文相关的研究成果 | 第75-76页 |
