Web2.0环境下的社会化专家推荐研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统的专家检索与推荐 | 第10-11页 |
| 1.2.2 基于情境感知的推荐 | 第11-12页 |
| 1.2.3 基于图的推荐 | 第12-13页 |
| 1.3 研究内容与研究方法 | 第13-17页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.3.3 技术路线 | 第15-17页 |
| 第2章 相关理论基础 | 第17-25页 |
| 2.1 专家推荐 | 第17-18页 |
| 2.2 社会网络分析 | 第18-20页 |
| 2.3 混合图模型 | 第20-21页 |
| 2.4 基于混合图的推荐算法 | 第21-23页 |
| 2.4.1 链路预测算法 | 第21-22页 |
| 2.4.2 重启动随机游走算法 | 第22-23页 |
| 2.5 社会化推荐 | 第23-25页 |
| 第3章 Web2.0 环境下的社会化专家建模 | 第25-37页 |
| 3.1 问题描述和定义 | 第25-28页 |
| 3.2 社会化专家建模框架设计 | 第28-29页 |
| 3.3 用户专长建模 | 第29-34页 |
| 3.3.1 LDA模型 | 第29-30页 |
| 3.3.2 CRP模型 | 第30-31页 |
| 3.3.3 用户-专长二部图的生成 | 第31-34页 |
| 3.4 融合多类专家证据的混合图生成方法 | 第34-37页 |
| 3.4.1 专家证据概述 | 第34-35页 |
| 3.4.2 用户-专长混合图的生成 | 第35-37页 |
| 第4章 基于证据增强混合图的社会化专家推荐 | 第37-50页 |
| 4.1 推荐系统概述 | 第37-39页 |
| 4.2 社会化专家推荐系统框架设计 | 第39-40页 |
| 4.3 基于重启动随机游走的社会化专家推荐 | 第40-45页 |
| 4.3.1 关联边定义及权重设定 | 第40-42页 |
| 4.3.2 转移概率矩阵计算 | 第42-44页 |
| 4.3.3 基于重启动随机游走的社会化专家推荐 | 第44-45页 |
| 4.4 基于情境感知的社会化专家推荐 | 第45-50页 |
| 4.4.1 用户情境概述 | 第45-47页 |
| 4.4.2 情境知识的获取与情境表示 | 第47-49页 |
| 4.4.3 基于情境后过滤策略的社会化专家推荐 | 第49-50页 |
| 第5章 实证研究 | 第50-57页 |
| 5.1 实验数据 | 第50-52页 |
| 5.2 评估方法 | 第52页 |
| 5.3 实验与结果分析 | 第52-56页 |
| 5.3.1 实验设计 | 第52-54页 |
| 5.3.2 实验与结果分析 | 第54-56页 |
| 5.4 实验小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.1.1 主要内容 | 第57-58页 |
| 6.1.2 主要创新点 | 第58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文及参与研究的课题 | 第64页 |
