基于兴趣模型的个性化信息推荐系统研究与设计
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·研究目的和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容 | 第12-15页 |
| ·主要研究内容 | 第12-14页 |
| ·章节安排 | 第14-15页 |
| 2 个性化信息推荐系统及相关技术 | 第15-24页 |
| ·个性化信息推荐系统 | 第15-17页 |
| ·定义 | 第15页 |
| ·服务形式 | 第15-17页 |
| ·系统实现的相关技术 | 第17-24页 |
| ·Web挖掘 | 第17-18页 |
| ·文本分类技术 | 第18-19页 |
| ·信息检索中的文本表示模型 | 第19-21页 |
| ·特征选择方法 | 第21-24页 |
| 3 用户兴趣的收集与建模研究 | 第24-37页 |
| ·用户信息收集 | 第24-28页 |
| ·信息收集的位置 | 第24-26页 |
| ·信息收集的方法 | 第26-28页 |
| ·用户兴趣模型创建 | 第28-33页 |
| ·建模方法 | 第28-29页 |
| ·用户兴趣模型表示 | 第29-31页 |
| ·基于分类技术的用户兴趣模型表示 | 第31-33页 |
| ·用户兴趣模型的RDF元数据描述存储 | 第33-37页 |
| ·RDF概述 | 第33-34页 |
| ·用户兴趣模型的RDF描述框架 | 第34-35页 |
| ·基于RDF元数据描述存储兴趣模型的优点 | 第35-37页 |
| 4 基于客户端用户兴趣建模设计 | 第37-52页 |
| ·客户端用户兴趣建模过程分析 | 第37-39页 |
| ·用户信息的收集 | 第39-42页 |
| ·历史信息的收集与兴趣度量 | 第39-40页 |
| ·用户浏览行为获取与兴趣度量 | 第40-42页 |
| ·用户兴趣分类与特征提取 | 第42-47页 |
| ·文本分类 | 第42-46页 |
| ·类别特征提取 | 第46-47页 |
| ·用户兴趣模型的建立与更新 | 第47-50页 |
| ·用户兴趣模型创建 | 第47-48页 |
| ·用户兴趣更新 | 第48-50页 |
| ·用户兴趣模型的RDF存储 | 第50-52页 |
| 5 个性化信息推荐原型系统实现及相关结果分析 | 第52-65页 |
| ·系统总体结构与流程说明 | 第52-54页 |
| ·系统的开发工具和平台 | 第54页 |
| ·个性化信息推荐系统核心功能实现 | 第54-60页 |
| ·新闻信息的预处理 | 第54-57页 |
| ·基于兴趣模型的个性化信息推荐 | 第57-60页 |
| ·相关实验结果分析 | 第60-65页 |
| ·客户端用户兴趣建模方案实验 | 第60-61页 |
| ·个性化信息推荐相关结果分析 | 第61-65页 |
| 6 总结与展望 | 第65-68页 |
| ·本文总结 | 第65-66页 |
| ·不足之处及研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 在校期间发表论文清单 | 第72-73页 |
| 致谢 | 第73页 |
