| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.1.1 研究背景 | 第13-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 个性化推荐技术研究现状 | 第17-20页 |
| 1.2.2 个性化推荐在地理信息领域应用现状 | 第20-21页 |
| 1.2.3 新闻推荐系统研究现状 | 第21-23页 |
| 1.3 存在问题分析 | 第23页 |
| 1.4 研究内容与组织结构 | 第23-26页 |
| 第二章 基于VSM和Bisecting K-means聚类的军事新闻推荐方法 | 第26-38页 |
| 2.1 算法思想与流程框架 | 第26-27页 |
| 2.2 用户兴趣模型构建 | 第27-31页 |
| 2.2.1 军事新闻文本向量化 | 第27-28页 |
| 2.2.2 基于Bisecting K-means算法的新闻分类 | 第28-29页 |
| 2.2.3 构建UCN-UIM | 第29-31页 |
| 2.3 实验分析 | 第31-37页 |
| 2.3.1 实验环境与数据 | 第31页 |
| 2.3.2 实验评估指标 | 第31-32页 |
| 2.3.3 实验结果与分析 | 第32-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 顾及时间上下文的军事新闻推荐方法研究 | 第38-46页 |
| 3.1 相关工作和流程框架 | 第38-39页 |
| 3.2 用户兴趣模型更新 | 第39-42页 |
| 3.2.1 遗忘函数相关工作 | 第39-40页 |
| 3.2.2 构造遗忘函数 | 第40-41页 |
| 3.2.3 基于遗忘函数的用户兴趣模型更新 | 第41-42页 |
| 3.3 实验分析 | 第42-44页 |
| 3.3.1 数据准备和评估指标 | 第42页 |
| 3.3.2 实验结果与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 顾及事件地理位置的军事新闻推荐方法研究 | 第46-56页 |
| 4.1 算法思想与流程框架 | 第46-47页 |
| 4.2 军事新闻事件地理位置信息抽取 | 第47-50页 |
| 4.2.1 军事新闻事件发生地抽取算法原理 | 第47-48页 |
| 4.2.2 军事新闻事件发生地抽取算法框架 | 第48-50页 |
| 4.3 军事新闻文本向量化 | 第50-51页 |
| 4.4 用户兴趣模型构建 | 第51-52页 |
| 4.4.1 构建ULN-UIM | 第51-52页 |
| 4.4.2 构建用户兴趣模型 | 第52页 |
| 4.5 实验分析 | 第52-55页 |
| 4.5.1 军事新闻事件发生地提取实验 | 第52-54页 |
| 4.5.2 NCGP推荐算法实验 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 军事新闻个性化推荐原型系统设计与实现 | 第56-66页 |
| 5.1 军事新闻个性化推荐系统总体设计 | 第56-60页 |
| 5.1.1 军事新闻个性化推荐系统框架设计 | 第56-57页 |
| 5.1.2 军事新闻个性化推荐系统功能模块设计 | 第57-60页 |
| 5.2 军事新闻个性化推荐系统实现 | 第60-65页 |
| 5.2.1 系统实验环境 | 第60-61页 |
| 5.2.2 功能模块实现 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文总结与创新点 | 第66-67页 |
| 6.1.1 论文工作总结 | 第66页 |
| 6.1.2 论文创新点 | 第66-67页 |
| 6.2 不足与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者简历 | 第75页 |