| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景及目的 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 推荐系统研究现状 | 第12-13页 |
| 1.2.2 文献推荐研究现状 | 第13-15页 |
| 1.3 本文研究思路 | 第15-17页 |
| 第2章 基础研究工作 | 第17-31页 |
| 2.1 推荐系统相关基础算法介绍与研究 | 第17-22页 |
| 2.1.1 基于人口统计学的推荐 | 第17-18页 |
| 2.1.2 基于内容的推荐 | 第18-19页 |
| 2.1.3 基于用户的协同过滤推荐 | 第19-20页 |
| 2.1.4 基于推荐项目的协同过滤推荐 | 第20-21页 |
| 2.1.5 隐语义模型推荐 | 第21页 |
| 2.1.6 基于深度学习策略推荐 | 第21-22页 |
| 2.1.7 混合推荐 | 第22页 |
| 2.2 自然语言处理相关基础算法介绍与研究 | 第22-29页 |
| 2.2.1 分词模型 | 第22-23页 |
| 2.2.2 词向量化表示 | 第23页 |
| 2.2.3 主题模型 | 第23-24页 |
| 2.2.4 统计语言模型 | 第24页 |
| 2.2.5 关系三元组 | 第24-25页 |
| 2.2.6 循环神经网络 | 第25页 |
| 2.2.7 注意力机制 | 第25-26页 |
| 2.2.8 指代消解 | 第26-28页 |
| 2.2.9 隐向量 | 第28-29页 |
| 2.3 文献推荐采样方法及数据的输入输出特征 | 第29-31页 |
| 2.3.1 采样策略 | 第29-30页 |
| 2.3.2 输入特征 | 第30页 |
| 2.3.3 输出特征 | 第30-31页 |
| 第3章 数据处理工作 | 第31-41页 |
| 3.1 数据处理工作描述 | 第31页 |
| 3.2 分词器对比研究 | 第31-32页 |
| 3.3 图谱构建 | 第32-37页 |
| 3.3.1 图谱的定义及结构 | 第32页 |
| 3.3.2 图谱的重要意义 | 第32-33页 |
| 3.3.3 结构化信息部分图谱生成 | 第33-34页 |
| 3.3.4 自然语言部分关系三元组抽取 | 第34-37页 |
| 3.4 指代消解方法 | 第37-39页 |
| 3.5 数据处理部分总体实现效果 | 第39-41页 |
| 第4章 推荐系统构建 | 第41-61页 |
| 4.1 基于隐语义模型的方法构建 | 第41-44页 |
| 4.1.1 方法描述 | 第41-42页 |
| 4.1.2 实验与分析 | 第42-44页 |
| 4.2 基于自然语言处理因素改进的隐语义模型方法改进 | 第44-46页 |
| 4.2.1 方法描述 | 第44-45页 |
| 4.2.2 实验与分析 | 第45-46页 |
| 4.3 多元信息融合的隐语义模型方法与其它深度学习方法 | 第46-52页 |
| 4.3.1 基础方法描述 | 第47-49页 |
| 4.3.2 增加图谱之后的改进策略 | 第49-50页 |
| 4.3.3 实验与分析 | 第50-52页 |
| 4.4 系统设计 | 第52-56页 |
| 4.5 系统实现 | 第56-61页 |
| 4.5.1 系统登录页面 | 第56-57页 |
| 4.5.2 知识图谱页面 | 第57-58页 |
| 4.5.3 推荐主体页面 | 第58-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第69页 |