基于新浪微博的短文本分类与个性化推荐
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 短文本分类 | 第11-12页 |
| 1.2.2 用户兴趣挖掘 | 第12-13页 |
| 1.2.3 个性化推荐 | 第13-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文的改进点 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 基于新浪微博的短文本分类 | 第16-22页 |
| 2.1 文本分类的过程 | 第16-17页 |
| 2.2 文本预处理 | 第17页 |
| 2.3 特征筛选 | 第17-18页 |
| 2.4 特征加权 | 第18-19页 |
| 2.4.1 词频-逆向文件频率 | 第18页 |
| 2.4.2 卡方统计量 | 第18-19页 |
| 2.4.3 互信息(MI) | 第19页 |
| 2.5 支持向量机 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 短文本分类的实验结果分析 | 第22-26页 |
| 3.1 评估标准 | 第22页 |
| 3.2 实验数据及结果分析 | 第22-24页 |
| 3.3 本章小结 | 第24-26页 |
| 第四章 基于新浪微博的用户画像及个性化推荐 | 第26-32页 |
| 4.1 改进的用户兴趣集合 | 第26-27页 |
| 4.2 基于兴趣集合的用户画像 | 第27页 |
| 4.3 基于用户兴趣集合的个性化推荐 | 第27-30页 |
| 4.3.1 用户评分的获取 | 第27-28页 |
| 4.3.2 降低评分矩阵的稀疏性 | 第28-29页 |
| 4.3.3 基于用户的协同过滤推荐算法 | 第29-30页 |
| 4.4 本章小结 | 第30-32页 |
| 第五章 基于用户兴趣的个性化推荐的实验结果分析 | 第32-36页 |
| 5.1 评估标准 | 第32页 |
| 5.2 实验数据与结果分析 | 第32-34页 |
| 5.3 本章小结 | 第34-36页 |
| 第六章 总结与展望 | 第36-38页 |
| 6.1 工作总结 | 第36页 |
| 6.2 不足与展望 | 第36-37页 |
| 6.3 本章小结 | 第37-38页 |
| 参考文献 | 第38-44页 |
| 致谢 | 第44-46页 |
| 作者攻读学位期间发表的学术论文目录 | 第46页 |
