基于语义的个性化资源推荐系统中关键技术研究
| 摘要 | 第1-8页 |
| Abstract | 第8-15页 |
| 第1章 引言 | 第15-29页 |
| ·研究背景 | 第15-16页 |
| ·资源推荐系统的研究现状 | 第16-19页 |
| ·基于规则的资源推荐系统 | 第17页 |
| ·基于内容推荐的资源推荐系统 | 第17-18页 |
| ·基于协同过滤的资源推荐系统 | 第18-19页 |
| ·混合推荐 | 第19页 |
| ·资源推荐系统的研究意义 | 第19-21页 |
| ·资源推荐模型系统中存在的问题 | 第21-26页 |
| ·个性化推荐系统的基础结构 | 第21-25页 |
| ·本文研究内容 | 第25-26页 |
| ·本文的主要贡献 | 第26-27页 |
| ·论文的组织结构 | 第27-29页 |
| 第2章 资源推荐系统中的关键技术 | 第29-47页 |
| ·资源描述 | 第29-30页 |
| ·用户信息类型及采集方式 | 第30-33页 |
| ·用户偏好描述方式 | 第33-35页 |
| ·资源推荐的协同过滤算法 | 第35-40页 |
| ·评分矩阵及其获取 | 第35-36页 |
| ·协同过滤算法分类及描述 | 第36-40页 |
| ·其他资源推荐(过滤)的技术及算法 | 第40-43页 |
| ·资源推荐效果的评价 | 第43-45页 |
| ·F1度量 | 第43-44页 |
| ·平均绝对误差 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第3章 资源描述模型 | 第47-65页 |
| ·引言 | 第47-49页 |
| ·本体的应用 | 第49-51页 |
| ·本体的结构 | 第51-62页 |
| ·概念的URScore属性 | 第53-55页 |
| ·概念的APScore属性 | 第55-59页 |
| ·与现有研究的比较 | 第59-61页 |
| ·语义推荐系统中的本体 | 第61-62页 |
| ·资源描述模型 | 第62-64页 |
| ·小结 | 第64-65页 |
| 第4章 用户偏好模型 | 第65-99页 |
| ·用户偏好采集及描述 | 第65-70页 |
| ·用户偏好采集 | 第66-68页 |
| ·用户偏好描述 | 第68-70页 |
| ·用户偏好推理 | 第70-92页 |
| ·用户语义偏好模型的动态生成 | 第72-74页 |
| ·偏好推理 | 第74-83页 |
| ·最近邻概念的计算 | 第83-89页 |
| ·完整的推理过程 | 第89-91页 |
| ·实例 | 第91-92页 |
| ·资源推荐 | 第92-95页 |
| ·实例 | 第94-95页 |
| ·实验分析 | 第95-97页 |
| ·实验数据及环境介绍 | 第95-96页 |
| ·实验结果 | 第96页 |
| ·结果分析 | 第96-97页 |
| ·小结 | 第97-99页 |
| 第5章 本体构建 | 第99-115页 |
| ·引言 | 第99-100页 |
| ·聚簇算法 | 第100-104页 |
| ·级层分类术语表的构建 | 第104-110页 |
| ·资源描述语义模型的个性化选取 | 第108-110页 |
| ·多继承式级层分类表的生成 | 第110-113页 |
| ·小结 | 第113-115页 |
| 第6章 语义资源推荐模型的系统框架与验证 | 第115-135页 |
| ·引言 | 第115-117页 |
| ·模型的体系结构 | 第117-124页 |
| ·表示层 | 第119-120页 |
| ·应用层 | 第120-122页 |
| ·数据层 | 第122-124页 |
| ·实验及分析 | 第124-133页 |
| ·实验环境 | 第124-126页 |
| ·算法7和8的实验评估 | 第126-130页 |
| ·算法9的实验评估 | 第130-131页 |
| ·与协同过滤推荐模型的对比实验 | 第131-133页 |
| ·小结 | 第133-135页 |
| 第7章 结论与展望 | 第135-139页 |
| ·本文工作总结 | 第135-136页 |
| ·进一步的研究与工作展望 | 第136-139页 |
| 参考文献 | 第139-151页 |
| 攻读博士学位期间发表的论文 | 第151-153页 |
| 致谢 | 第153页 |
