| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 引文推荐方法 | 第12-13页 |
| 1.2.2 网络表示方法 | 第13页 |
| 1.2.3 存在问题和不足 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关研究工作 | 第16-24页 |
| 2.1 基于图的引文推荐方法 | 第16-17页 |
| 2.2 词向量的表示方法 | 第17-23页 |
| 2.2.1 One-hot编码 | 第17-18页 |
| 2.2.2 词袋模型简介 | 第18-19页 |
| 2.2.3 分布式表示方法 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于DeepWalk文本向量表示学习的引文推荐方法 | 第24-37页 |
| 3.1 两层图模型框架 | 第24-25页 |
| 3.2 模型描述 | 第25-26页 |
| 3.3 文本内容表示 | 第26-27页 |
| 3.4 文本向量表示学习的推荐方法实现 | 第27-30页 |
| 3.4.1 新邻接矩阵生成 | 第27-28页 |
| 3.4.2 节点向量表示学习方法 | 第28页 |
| 3.4.3 推荐与查询相关论文 | 第28-30页 |
| 3.5 实验结果与分析 | 第30-36页 |
| 3.5.1 实验平台 | 第30页 |
| 3.5.2 实验数据 | 第30-32页 |
| 3.5.3 评价指标 | 第32页 |
| 3.5.4 参数调优 | 第32-35页 |
| 3.5.5 实验对比 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于文本向量表示学习的图模型个性化引文推荐方法 | 第37-50页 |
| 4.1 问题定义及相关符号描述 | 第37-39页 |
| 4.2 基于三层图模型的引文推荐算法 | 第39-42页 |
| 4.2.1 异构关系网络 | 第39-41页 |
| 4.2.2 基于文本向量表示学习的查询向量构建 | 第41-42页 |
| 4.3 基于图的推荐算法设计与实现 | 第42-45页 |
| 4.4 实验结果与分析 | 第45-49页 |
| 4.4.1 参数调整与分析 | 第45-46页 |
| 4.4.2 不同方法实验对比分析 | 第46-48页 |
| 4.4.3 不同查询向量实验对比分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |