| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究现状 | 第16-20页 |
| 1.2.1 群发消息重要性判断定义 | 第16-17页 |
| 1.2.2 群发消息重要性判断算法 | 第17-19页 |
| 1.2.3 现有群发消息重要性判断工作的不足 | 第19-20页 |
| 1.3 研究问题 | 第20-25页 |
| 1.3.1 基于群发消息重要性判断提升群发消息传播力 | 第20-21页 |
| 1.3.2 考虑协同过滤因素的群发消息重要性判断 | 第21-23页 |
| 1.3.3 考虑多个群发消息列表的群发消息重要性判断 | 第23-24页 |
| 1.3.4 研究问题间的联系 | 第24-25页 |
| 1.4 主要贡献 | 第25-27页 |
| 1.4.1 提出了基于群发消息重要性判断的提及推荐模型 | 第26页 |
| 1.4.2 提出了考虑协同过滤因素的群发消息重要性判断算法 | 第26页 |
| 1.4.3 提出了考虑多个消息列表的群发消息重要性判断算法 | 第26-27页 |
| 1.5 论文组织构架 | 第27-29页 |
| 第2章 相关工作 | 第29-51页 |
| 2.1 微博重要性判断与提及推荐 | 第29-31页 |
| 2.1.1 微博重要性判断 | 第29-30页 |
| 2.1.2 提及推荐 | 第30-31页 |
| 2.2 邮件过载与邮件重要性判断 | 第31-34页 |
| 2.2.1 邮件分类 | 第31-32页 |
| 2.2.2 邮件重要性判断 | 第32-34页 |
| 2.3 针对协同过滤推荐模型的主动学习算法 | 第34-43页 |
| 2.3.1 非个性化主动学习算法 | 第36-39页 |
| 2.3.2 个性化主动学习算法 | 第39-43页 |
| 2.4 跨领域推荐 | 第43-49页 |
| 2.4.1 域的定义 | 第43-44页 |
| 2.4.2 域的选择 | 第44页 |
| 2.4.3 域间的知识迁移 | 第44-49页 |
| 2.5 本章小结 | 第49-51页 |
| 第3章 基于群发消息重要性判断提升群发消息传播力 | 第51-67页 |
| 3.1 背景 | 第51-54页 |
| 3.2 问题定义 | 第54-55页 |
| 3.3 算法框架 | 第55-60页 |
| 3.3.1 排序特征 | 第55-58页 |
| 3.3.2 相关性定义 | 第58-59页 |
| 3.3.3 排序模型 | 第59页 |
| 3.3.4 推荐过载问题 | 第59-60页 |
| 3.4 实验设计 | 第60-62页 |
| 3.4.1 数据收集 | 第60-61页 |
| 3.4.2 衡量标准 | 第61页 |
| 3.4.3 对照算法 | 第61-62页 |
| 3.5 结果与分析 | 第62-64页 |
| 3.5.1 算法表现分析 | 第62-63页 |
| 3.5.2 不同特征重要性对比 | 第63-64页 |
| 3.5.3 算法在推荐过载问题上的表现 | 第64页 |
| 3.6 实验结果讨论 | 第64-65页 |
| 3.7 本章小结 | 第65-67页 |
| 第4章 考虑协同过滤因素的群发消息重要性判断算法 | 第67-87页 |
| 4.1 背景 | 第67-70页 |
| 4.2 问题定义 | 第70-72页 |
| 4.3 算法框架 | 第72-77页 |
| 4.3.1 收集用户反馈 | 第72-75页 |
| 4.3.2 预测剩余用户的重要性偏好 | 第75-77页 |
| 4.4 实验与分析 | 第77-84页 |
| 4.4.1 数据集 | 第77-78页 |
| 4.4.2 数据预处理与分析 | 第78页 |
| 4.4.3 对照算法 | 第78-80页 |
| 4.4.4 衡量标准 | 第80-81页 |
| 4.4.5 实验结果与分析 | 第81-84页 |
| 4.5 本章小结 | 第84-87页 |
| 第5章 考虑多个群发消息列表的群发消息重要性判断算法 | 第87-105页 |
| 5.1 背景 | 第87-89页 |
| 5.2 问题定义 | 第89-91页 |
| 5.3 算法框架 | 第91-94页 |
| 5.3.1 收集用户反馈 | 第91页 |
| 5.3.2 挑选最优的源域集合 | 第91-92页 |
| 5.3.3 重要性预测 | 第92-94页 |
| 5.4 最优源域集合的选择 | 第94-98页 |
| 5.4.1 最优策略 | 第94-96页 |
| 5.4.2 近似优化算法 | 第96-97页 |
| 5.4.3 如何提升算法运算效率 | 第97-98页 |
| 5.5 实验与分析 | 第98-103页 |
| 5.5.1 数据集 | 第98页 |
| 5.5.2 衡量标准 | 第98-99页 |
| 5.5.3 对照算法 | 第99-100页 |
| 5.5.4 结果与分析 | 第100-103页 |
| 5.6 本章小结 | 第103-105页 |
| 第6章 总结与展望 | 第105-109页 |
| 6.1 本文工作总结 | 第105-107页 |
| 6.2 未来工作展望 | 第107-109页 |
| 6.2.1 整合多种群发消息重要性判断算法 | 第107页 |
| 6.2.2 将主动学习应用到信息流排序问题 | 第107页 |
| 6.2.3 利用深度学习算法进行跨领域推荐 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 攻读博士学位期间的主要研究成果 | 第119-121页 |
| 致谢 | 第121页 |
