| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题背景及意义 | 第12-15页 |
| 1.2 个性化新闻推荐的特点 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 1.5 本文组织安排 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 2 相关技术介绍 | 第20-31页 |
| 2.1 基于内容的推荐技术 | 第20-25页 |
| 2.1.1 CB的主要思想、步骤 | 第20-25页 |
| 2.1.2 CB的优点 | 第25页 |
| 2.1.3 CB的缺点 | 第25页 |
| 2.2 协同过滤推荐技术(CF) | 第25-27页 |
| 2.2.1 协同过滤推荐技术的分类 | 第26页 |
| 2.2.2 协同过滤推荐算法的优点 | 第26-27页 |
| 2.2.3 协同过滤推荐算法的缺点 | 第27页 |
| 2.3 混合推荐技术 | 第27-28页 |
| 2.4 LDA (Latent Dirichlet Allocation)模型 | 第28-30页 |
| 2.4.1 LDA模型的思想 | 第28-29页 |
| 2.4.2 LDA模型生成文本的步骤 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 分区新闻推荐模型 | 第31-47页 |
| 3.1 长期偏好模型和动态模型提出 | 第31-35页 |
| 3.1.1 长期偏好模型 | 第32-33页 |
| 3.1.2 动态偏好模型 | 第33-35页 |
| 3.2 基于偏好-行为的协同过滤算法提出 | 第35-40页 |
| 3.2.1 传统的协同过滤算法 | 第35-36页 |
| 3.2.2 基于偏好行为的协同过滤算法 | 第36-40页 |
| 3.3 分区新闻推荐模型 | 第40-45页 |
| 3.3.1 长期偏好推荐模型 | 第40-42页 |
| 3.3.2 动态偏好模型 | 第42-43页 |
| 3.3.3 潜在兴趣推荐模型 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 实验对比及分析 | 第47-53页 |
| 4.1 实验设置 | 第47页 |
| 4.2 实验评价指标 | 第47-48页 |
| 4.3 实验结果及分析 | 第48-52页 |
| 4.3.1 相似度算法的相关值设定 | 第48-49页 |
| 4.3.2 几种推荐方法对比分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者简介 | 第61页 |