摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第10-13页 |
1.1 课题背景 | 第10页 |
1.2 研究意义和目的 | 第10-11页 |
1.3 论文组织 | 第11-12页 |
1.4 本章小结 | 第12-13页 |
第2章 系统相关技术 | 第13-27页 |
2.1 iOS操作系统中的无障碍辅助工具VoiceOver | 第13页 |
2.2 移动新闻推荐系统概述 | 第13-20页 |
2.2.1 移动新闻推荐系统框架 | 第14-16页 |
2.2.2 移动新闻的推荐方法 | 第16-20页 |
2.3 话题检测与跟踪技术综述 | 第20-22页 |
2.4 文本聚类算法综述 | 第22-24页 |
2.4.1 基于划分的聚类算法 | 第22-23页 |
2.4.2 层次聚类算法 | 第23页 |
2.4.3 增量聚类算法 | 第23-24页 |
2.5 文本表示方法 | 第24-25页 |
2.5.1 向量空间模型 | 第24-25页 |
2.5.2 概率模型 | 第25页 |
2.6 本章小结 | 第25-27页 |
第3章 结合用户行为的混合新闻推荐算法的研究 | 第27-46页 |
3.1 问题描述 | 第27-29页 |
3.1.1 目前移动设备用户偏好收集中存在的问题 | 第27页 |
3.1.2 现有推荐方法存在的问题 | 第27-29页 |
3.2 结合用户行为的混合推荐系统总体设计 | 第29-31页 |
3.3 新闻模型表示 | 第31-33页 |
3.3.1 文本预处理 | 第31-32页 |
3.3.2 文本特征表示 | 第32-33页 |
3.4 用户的历史兴趣模型 | 第33-36页 |
3.4.1 用户新闻评分向量 | 第33-34页 |
3.4.2 带用户评分和时间权值的历史兴趣模型 | 第34-36页 |
3.5 基于改进相似度的用户潜在兴趣模型 | 第36-39页 |
3.5.1 用户-新闻行为矩阵 | 第36-37页 |
3.5.2 改进的用户相似度计算 | 第37-38页 |
3.5.3 潜在兴趣模型的构建 | 第38-39页 |
3.6 混合兴趣模型的构建及推荐结果的产生 | 第39-41页 |
3.7 实验验证 | 第41-44页 |
3.7.1 实验环境和数据集 | 第41页 |
3.7.2 评价指标 | 第41-42页 |
3.7.3 实验结果与分析 | 第42-44页 |
3.8 本章小结 | 第44-46页 |
第4章 热点新闻话题的发现和组织模块研究 | 第46-60页 |
4.1 热点新闻话题发现和组织模块的架构设计 | 第47页 |
4.2 基于滑动时间窗的在线聚类 | 第47-51页 |
4.2.1 话题的表达 | 第47-48页 |
4.2.2 在线聚类的滑动时间窗 | 第48-49页 |
4.2.3 Single-pass聚类过程 | 第49-51页 |
4.3 话题内部脉络挖掘和组织 | 第51-55页 |
4.3.1 基于时间相似度的事件脉络挖掘 | 第51-54页 |
4.3.2 基于时间线组织事件 | 第54-55页 |
4.4 实验与分析 | 第55-58页 |
4.4.1 实验语料 | 第55页 |
4.4.2 评价指标 | 第55-56页 |
4.4.3 实验结果与分析 | 第56-58页 |
4.5 本章小结 | 第58-60页 |
第5章 无障碍移动新闻系统的设计与实现 | 第60-78页 |
5.1 开发环境 | 第60-61页 |
5.2 服务器端设计与实现 | 第61-68页 |
5.2.1 整体架构 | 第61-62页 |
5.2.2 数据库设计 | 第62-64页 |
5.2.3 新闻爬取模块 | 第64-66页 |
5.2.4 数据接口模块 | 第66-68页 |
5.3 无障碍客户端设计与实现 | 第68-77页 |
5.3.1 整体架构 | 第68-70页 |
5.3.2 交互模块 | 第70-73页 |
5.3.3 朗读和显示模块 | 第73-74页 |
5.3.4 用户日志采集模块 | 第74-76页 |
5.3.5 实际运行效果 | 第76-77页 |
5.4 本章小结 | 第77-78页 |
第6章 总结和展望 | 第78-80页 |
6.1 总结 | 第78-79页 |
6.2 展望 | 第79-80页 |
参考文献 | 第80-84页 |
致谢 | 第84页 |