双结构网络中的热门话题演化机制及其应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目标及内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 话题演化与个性化推荐相关研究 | 第15-22页 |
| 2.1 话题演化追踪相关研究 | 第15-18页 |
| 2.1.1 基于事件的话题演化方法 | 第15-17页 |
| 2.1.2 基于LDA的话题演化方法 | 第17-18页 |
| 2.2 个性化推荐相关研究 | 第18-21页 |
| 2.2.1 基于内容的个性化推荐技术 | 第19-20页 |
| 2.2.2 协同过滤推荐技术 | 第20页 |
| 2.2.3 隐语义个性化推荐技术 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 双结构网络中的热门话题演化跟踪算法 | 第22-33页 |
| 3.1 主要问题与研究思路 | 第22-23页 |
| 3.2 热门话题演化跟踪算法ELDA的基础框架 | 第23-24页 |
| 3.3 ELDA演化跟踪算法 | 第24-32页 |
| 3.3.1 传统LDA算法中的问题分析 | 第24-25页 |
| 3.3.2 热门话题演化跟踪模块 | 第25-28页 |
| 3.3.3 命名实体提取模块 | 第28-30页 |
| 3.3.4 基于命名实体的话题表征模块 | 第30-32页 |
| 3.3.5 话题的表达方式 | 第32页 |
| 3.3.6 ELDA演化跟踪算法模型总结 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于话题的个性化推荐 | 第33-43页 |
| 4.1 主要问题与研究思路 | 第33-34页 |
| 4.2 基于话题个性化推荐算法ETR总体框架 | 第34-35页 |
| 4.3 ETR个性化推荐算法 | 第35-42页 |
| 4.3.1 UCL的信息标引 | 第35-38页 |
| 4.3.2 相似话题推荐 | 第38-41页 |
| 4.3.2.1 用户兴趣特征建模 | 第38-40页 |
| 4.3.2.2 话题相似度度量 | 第40-41页 |
| 4.3.3 追踪关联话题 | 第41-42页 |
| 4.3.4 ETR算法总结 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 原型系统实验验证与分析 | 第43-53页 |
| 5.1 原型系统框架 | 第43-45页 |
| 5.1.1 原型系统总体框架与相关模块分析 | 第43-44页 |
| 5.1.2 原型系统终端界面展示 | 第44-45页 |
| 5.2 实验与分析 | 第45-52页 |
| 5.2.1 ELDA算法实验与分析 | 第45-49页 |
| 5.2.1.1 话题演化跟踪算法实验 | 第45-48页 |
| 5.2.1.2 话题中命名实体提取实验 | 第48-49页 |
| 5.2.1.3 基于命名实体表征话题实验 | 第49页 |
| 5.2.2 ETR个性化推荐算法实验与分析 | 第49-52页 |
| 5.2.2.1 相似话题个性化推荐算法准确度评测 | 第49-51页 |
| 5.2.2.2 话题追踪算法实验 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 论文总结与未来工作 | 第53-55页 |
| 6.1 论文总结 | 第53页 |
| 6.2 未来工作 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |
