| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 个性化新闻推荐研究现状分析 | 第12-17页 |
| 1.2.1 基于内容的新闻推荐 | 第12-13页 |
| 1.2.2 基于用户行为的新闻推荐 | 第13-14页 |
| 1.2.3 基于混合的新闻推荐 | 第14页 |
| 1.2.4 基于上下文的新闻推荐 | 第14-15页 |
| 1.2.5 基于标签的新闻推荐 | 第15-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 基于时序的个性化新闻推荐算法 | 第19-31页 |
| 2.1 问题定义 | 第19-20页 |
| 2.1.1 传统的新闻推荐问题 | 第19页 |
| 2.1.2 预测下一则新闻问题 | 第19-20页 |
| 2.2 基线方法 | 第20-22页 |
| 2.2.1 改进的协同过滤新闻推荐算法 | 第20-21页 |
| 2.2.2 基于后继的新闻推荐算法 | 第21-22页 |
| 2.3 时序性协同过滤算法 | 第22-25页 |
| 2.3.1 传统相似度计算方法 | 第22-23页 |
| 2.3.2 时间依赖性相似系数 | 第23页 |
| 2.3.3 时序性协同过滤算法 | 第23-25页 |
| 2.4 实验与分析 | 第25-30页 |
| 2.4.1 实验数据 | 第25页 |
| 2.4.2 评价指标 | 第25-26页 |
| 2.4.3 实验结果与分析 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于标签的个性化新闻推荐算法 | 第31-46页 |
| 3.1 引言 | 第31-32页 |
| 3.1.1 基于标签的推荐算法研究 | 第31页 |
| 3.1.2 基于标签的个性化新闻推荐算法面临的挑战 | 第31-32页 |
| 3.2 符号说明及问题定义 | 第32-33页 |
| 3.2.1 符号说明 | 第32-33页 |
| 3.2.2 问题定义 | 第33页 |
| 3.3 朴素的基于标签的个性化新闻推荐算法 | 第33-35页 |
| 3.3.1 问题分析 | 第33页 |
| 3.3.2 算法设计 | 第33-34页 |
| 3.3.3 算法的不足 | 第34-35页 |
| 3.4 基于标签概率关系图的个性化新闻推荐算法 | 第35-40页 |
| 3.4.1 标签概率关系图 | 第35-36页 |
| 3.4.2 标签权重计算 | 第36-37页 |
| 3.4.3 标签相关性度量 | 第37-38页 |
| 3.4.4 算法的主要步骤 | 第38-40页 |
| 3.5 实验与分析 | 第40-45页 |
| 3.5.1 实验数据 | 第40-41页 |
| 3.5.2 实验方案和评价指标 | 第41-42页 |
| 3.5.3 实验结果及分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于标签的个性化新闻推荐系统实现 | 第46-53页 |
| 4.1 需求分析 | 第46-48页 |
| 4.1.1 功能需求 | 第46-47页 |
| 4.1.2 技术需求 | 第47-48页 |
| 4.2 系统架构 | 第48-51页 |
| 4.2.1 新闻抓取模块 | 第48-49页 |
| 4.2.2 新闻建模模块 | 第49-50页 |
| 4.2.3 Web UI模块 | 第50页 |
| 4.2.4 新闻推荐模块 | 第50-51页 |
| 4.3 系统演示 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |