基于浏览内容的用户兴趣研究
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 用户兴趣发现方法的概述 | 第13-15页 |
| 1.2.2 用户兴趣表示方法的概述 | 第15-17页 |
| 1.3 主要研究工作和创新点 | 第17-18页 |
| 1.3.1 主要研究工作 | 第17页 |
| 1.3.2 本课题的创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 相关理论与技术 | 第20-30页 |
| 2.1 用户兴趣的定义 | 第20页 |
| 2.2 用户兴趣信息收集的方法 | 第20-21页 |
| 2.2.1 显示信息收集 | 第20-21页 |
| 2.2.2 隐式信息收集 | 第21页 |
| 2.3 用户兴趣模型的表示方法 | 第21-23页 |
| 2.3.1 主题表示方法 | 第22页 |
| 2.3.2 关键词列表表示方法 | 第22页 |
| 2.3.3 向量空间表示方法 | 第22-23页 |
| 2.3.4 粗细兴趣粒度的表示方法 | 第23页 |
| 2.4 用户兴趣内容分析的关键技术 | 第23-27页 |
| 2.4.1 文本表示模型 | 第23-24页 |
| 2.4.2 文本相似度度量 | 第24-25页 |
| 2.4.3 分类算法 | 第25-26页 |
| 2.4.4 聚类算法 | 第26-27页 |
| 2.5 本章小结 | 第27-30页 |
| 第三章 基于混合度量方法的用户兴趣发现研究 | 第30-42页 |
| 3.1 用户兴趣的发现 | 第30-33页 |
| 3.1.1 网页内容的预处理 | 第30-32页 |
| 3.1.2 用户兴趣类簇的发现 | 第32-33页 |
| 3.2 用户兴趣的表示 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-41页 |
| 3.3.1 数据集与评估标准 | 第35-36页 |
| 3.3.2 实验结果 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 用户兴趣系统的设计与实现 | 第42-60页 |
| 4.1 系统的总体设计 | 第42-43页 |
| 4.2 数据采集模块 | 第43-45页 |
| 4.3 数据预处理模块 | 第45-52页 |
| 4.3.1 内容提取 | 第45-48页 |
| 4.3.2 分词 | 第48-50页 |
| 4.3.3 特征降维及权重计算 | 第50-52页 |
| 4.4 用户兴趣发现模块 | 第52-56页 |
| 4.5 用户兴趣表示模块 | 第56-57页 |
| 4.6 本章小结 | 第57-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 研究成果及发表的学术论文 | 第68-70页 |
| 作者与导师简介 | 第70-71页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第71-72页 |
