| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 语义分析研究现状 | 第16-17页 |
| 1.2.2 推荐方法研究现状 | 第17-19页 |
| 1.2.3 知识社区研究现状 | 第19-20页 |
| 1.3 存在的主要问题 | 第20页 |
| 1.4 论文结构安排 | 第20-23页 |
| 第二章 相关理论基础 | 第23-35页 |
| 2.1 LDA主题模型 | 第23-25页 |
| 2.1.1 LDA生成过程 | 第23页 |
| 2.1.2 LDA整体流程 | 第23-24页 |
| 2.1.3 LDA的图模型表示 | 第24-25页 |
| 2.2 本体 | 第25-29页 |
| 2.2.1 本体概念 | 第25页 |
| 2.2.2 本体的描述语言 | 第25-26页 |
| 2.2.3 本体的构建 | 第26-27页 |
| 2.2.4 基于本体的语义相关度计算方法 | 第27-29页 |
| 2.3 协同过滤 | 第29-31页 |
| 2.3.1 协同过滤概述 | 第29页 |
| 2.3.2 推荐步骤 | 第29-31页 |
| 2.3.3 协同过滤存在的问题 | 第31页 |
| 2.4 推荐结果的评估指标 | 第31-34页 |
| 2.4.1 准确率 | 第32-33页 |
| 2.4.2 覆盖率 | 第33页 |
| 2.4.3 多样性 | 第33页 |
| 2.4.4 惊喜度 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于本体与LDA主题模型的知识社区文本资源推荐 | 第35-49页 |
| 3.1 数据预处理 | 第36页 |
| 3.1.1 分词、去停用词 | 第36页 |
| 3.1.2 形成单词-文本矩阵 | 第36页 |
| 3.2 生成主题分布 | 第36-37页 |
| 3.3 基于语义相关度的关联主题度量 | 第37-38页 |
| 3.4 基于加权主题的文本资源推荐 | 第38-39页 |
| 3.5 实验与评价 | 第39-48页 |
| 3.5.1 实验设计 | 第39-41页 |
| 3.5.2 实验的结果与讨论 | 第41-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于用户分类本体的协同过滤知识社区视频资源推荐 | 第49-59页 |
| 4.1 用户分类本体的构建 | 第49-52页 |
| 4.2 用户-项目评分表示 | 第52-53页 |
| 4.3 局部近邻用户的识别 | 第53页 |
| 4.4 个性化推荐 | 第53-54页 |
| 4.5 实验与评价 | 第54-58页 |
| 4.5.1 实验设计 | 第54-55页 |
| 4.5.2 实验结果与讨论 | 第55-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文的贡献与创新 | 第59-60页 |
| 5.2 下一步研究工作 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |