群落标签推荐系统体系结构及关键问题研究
| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第一章 绪论 | 第14-49页 |
| 第一节 研究背景 | 第14-25页 |
| ·信息进化与信息爆炸 | 第14-17页 |
| ·群落标签 | 第17-19页 |
| ·长尾理论 | 第19-22页 |
| ·学术与产业背景 | 第22-25页 |
| 第二节 相关研究 | 第25-43页 |
| ·标签相关研究 | 第25-28页 |
| ·推荐算法相关研究 | 第28-35页 |
| ·推荐系统架构 | 第35-39页 |
| ·推荐评价 | 第39-43页 |
| 第三节 推荐系统存在的问题 | 第43-45页 |
| ·跨域推荐问题 | 第44页 |
| ·标签信息在推荐系统中的应用 | 第44页 |
| ·推荐算法的效率和扩展性问题 | 第44页 |
| ·推荐系统的交互设计 | 第44-45页 |
| 第四节 研究内容及论文组织结构 | 第45-49页 |
| ·问题的提出 | 第45-46页 |
| ·论文的主要工作 | 第46页 |
| ·论文的创新点 | 第46-47页 |
| ·论文的组织结构 | 第47-49页 |
| 第二章 群落标签推荐系统模型 | 第49-68页 |
| 第一节 推荐系统模型分析 | 第49-51页 |
| ·传统推荐系统模型 | 第49-50页 |
| ·融合群落标签的推荐系统模型 | 第50-51页 |
| 第二节 群落标签推荐系统体系架构 | 第51-65页 |
| ·信息聚合系统 | 第51-53页 |
| ·推荐系统体系结构 | 第53-54页 |
| ·融合标签的推荐交互界面 | 第54-59页 |
| ·数据采集与预处理 | 第59-60页 |
| ·行为分析与特征提取 | 第60-62页 |
| ·推荐模块 | 第62-64页 |
| ·反馈分析 | 第64-65页 |
| 第三节 关键问题 | 第65-67页 |
| ·推荐的多样性问题 | 第65-66页 |
| ·推荐的准确性问题 | 第66页 |
| ·推荐的效率问题 | 第66-67页 |
| 第四节 小结 | 第67-68页 |
| 第三章 基于标签的跨域喜好关联及推荐研究 | 第68-92页 |
| 第一节 跨域推荐问题 | 第68-69页 |
| 第二节 基于近邻模型的推荐算法 | 第69-74页 |
| ·用户近邻模型与物品近邻模型 | 第69-70页 |
| ·相似性计算方法 | 第70-73页 |
| ·推荐预测评分 | 第73页 |
| ·参数选择 | 第73-74页 |
| 第三节 跨域交叉推荐 | 第74-77页 |
| ·算法基本思路 | 第74-75页 |
| ·跨域交叉推荐模型 | 第75-77页 |
| 第四节 基于标签的喜好间关联分析 | 第77-81页 |
| ·域间喜好关联关系分析 | 第77-78页 |
| ·基于标签的域间喜好关联分析 | 第78-81页 |
| 第五节 实验与分析 | 第81-91页 |
| ·跨域交叉推荐 | 第81-86页 |
| ·域间喜好标签关联分析 | 第86-91页 |
| 第六节 小结 | 第91-92页 |
| 第四章 融合属性标签的推荐算法设计 | 第92-115页 |
| 第一节 融合属性标签的推荐任务 | 第92-93页 |
| 第二节 融合属性标签的潜在因素模型（C-SVD） | 第93-99页 |
| ·潜在因素模型 | 第93-96页 |
| ·融合属性标签的潜在因素模型 | 第96-99页 |
| 第三节 融合属性标签信息的图模型 | 第99-106页 |
| ·基于图模型的推荐算法 | 第99-103页 |
| ·融合物品属性标签评价信息的图模型 | 第103-106页 |
| 第四节 实验与分析 | 第106-114页 |
| ·对比算法 | 第106页 |
| ·数据集与实验环境 | 第106-107页 |
| ·评测方法 | 第107-108页 |
| ·实验结果 | 第108-114页 |
| 第五节 小结 | 第114-115页 |
| 第五章 预测评分算法效率优化 | 第115-134页 |
| 第一节 推荐算法的效率优化问题 | 第115-116页 |
| 第二节 概率聚类推荐模型研究 | 第116-125页 |
| ·基于聚类模型的推荐算法 | 第116-119页 |
| ·基于概率聚类的推荐算法 | 第119-125页 |
| 第三节 增量式 SVD 预测模型研究 | 第125-128页 |
| ·奇异值分解模型 | 第125-126页 |
| ·增量式奇异值分解模型 | 第126-128页 |
| ·时间复杂度分析 | 第128页 |
| 第四节 实验与分析 | 第128-133页 |
| ·数据集与实验环境 | 第128-129页 |
| ·评价指标与对比算法 | 第129-130页 |
| ·实验结果 | 第130-133页 |
| 第五节 本章小结 | 第133-134页 |
| 第六章 读物推荐系统的设计与实现 | 第134-152页 |
| 第一节 个性化阅读 | 第134-135页 |
| 第二节 读物推荐系统结构及关键模块 | 第135-140页 |
| ·Readings 读物推荐系统结构 | 第135页 |
| ·构建推荐引擎的数据集 | 第135-137页 |
| ·读物推荐模块 | 第137页 |
| ·跨域推荐模块 | 第137-138页 |
| ·热门读物推荐 | 第138-139页 |
| ·读物关联推荐模块和读友推荐模块 | 第139页 |
| ·个性化搜索模块 | 第139页 |
| ·维基化读物编辑 | 第139-140页 |
| 第三节 系统实现 | 第140-150页 |
| ·数据层 | 第140-141页 |
| ·数据逻辑处理层 | 第141-143页 |
| ·交互界面显示层 | 第143-150页 |
| 第四节 本章小结 | 第150-152页 |
| 第七章 总结与展望 | 第152-155页 |
| 第一节 本文工作总结 | 第152-153页 |
| 第二节 未来研究方向展望 | 第153-155页 |
| 参考文献 | 第155-167页 |
| 致谢 | 第167-169页 |
| 个人简历 | 第169-170页 |
| 在学期间发表学术论文 | 第170-172页 |
| 在学期间参与项目经历 | 第172-173页 |
