基于用户兴趣的微博个性化信息推荐研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 用户兴趣挖掘 | 第11-12页 |
| 1.2.2 个性化推荐算法 | 第12-13页 |
| 1.3 研究内容及本文主要工作 | 第13-15页 |
| 1.4 论文结构安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关技术综述 | 第16-28页 |
| 2.1 文本信息挖掘 | 第16-22页 |
| 2.1.1 传统文本挖掘方法 | 第16-17页 |
| 2.1.2 主题模型技术 | 第17-22页 |
| 2.2 个性化推荐算法 | 第22-27页 |
| 2.2.1 基于内容的推荐 | 第22页 |
| 2.2.2 基于协同过滤的推荐 | 第22-25页 |
| 2.2.3 推荐算法对比 | 第25页 |
| 2.2.4 推荐算法评价 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于主题模型的用户动态兴趣建模 | 第28-42页 |
| 3.1 基于主题模型的微博文本挖掘 | 第28-32页 |
| 3.1.1 微博文本特点 | 第28-29页 |
| 3.1.2 BTM 模型 | 第29-32页 |
| 3.1.3 微博主题模型 | 第32页 |
| 3.2 用户动态兴趣建模 | 第32-34页 |
| 3.3 实验设计与结果分析 | 第34-40页 |
| 3.3.1 数据集 | 第34-36页 |
| 3.3.2 数据预处理 | 第36页 |
| 3.3.3 评价方法 | 第36-37页 |
| 3.3.4 实验设计与结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于用户兴趣的个性化信息推荐 | 第42-57页 |
| 4.1 用户对微博的兴趣因素分析 | 第43-45页 |
| 4.1.1 微博用户分类 | 第43-44页 |
| 4.1.2 微博用户关注信息分类 | 第44-45页 |
| 4.2 用户收听列表个性化信息推荐 | 第45-50页 |
| 4.2.1 微博质量 | 第45-47页 |
| 4.2.2 用户个人兴趣 | 第47-48页 |
| 4.2.3 用户社交兴趣 | 第48页 |
| 4.2.4 基于逻辑回归模型的推荐 | 第48-50页 |
| 4.3 实验设计与结果分析 | 第50-55页 |
| 4.3.1 数据预处理 | 第51页 |
| 4.3.2 评价方法 | 第51页 |
| 4.3.3 实验权值设置 | 第51-52页 |
| 4.3.4 实验设计与结果分析 | 第52-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 基于美食主题的信息推荐应用设计 | 第57-65页 |
| 5.1 应用简介 | 第57页 |
| 5.2 应用设计 | 第57-61页 |
| 5.2.1 分类器 | 第58-59页 |
| 5.2.2 上下文特征 | 第59-61页 |
| 5.3 实验与结果分析 | 第61-64页 |
| 5.3.1 实验数据 | 第61-62页 |
| 5.3.2 实验设计 | 第62页 |
| 5.3.3 实验结果与分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
