面向社区用户的推荐策略研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 背景知识及意义 | 第9-10页 |
| 1.2 本文主要研究内容 | 第10-11页 |
| 1.3 文章组织结构 | 第11-12页 |
| 1.4 本文相关名词解释 | 第12-13页 |
| 第二章 推荐系统概述 | 第13-19页 |
| 2.1 推荐系统发展 | 第13-14页 |
| 2.2 推荐策略介绍 | 第14-17页 |
| 2.3 社会化推荐系统 | 第17-19页 |
| 第三章 基于用户兴趣变化的推荐策略研究 | 第19-30页 |
| 3.1 相关工作 | 第19-20页 |
| 3.2 主题模型构建 | 第20-22页 |
| 3.2.1 LDA主题模型 | 第20-21页 |
| 3.2.2 用户兴趣模型构建 | 第21页 |
| 3.2.3 主题聚类 | 第21-22页 |
| 3.3 推荐过程 | 第22-24页 |
| 3.3.1 选取时间时刻 | 第22页 |
| 3.3.2 用户兴趣倾向 | 第22-23页 |
| 3.3.3 对象选取与相似计算 | 第23-24页 |
| 3.4 实验 | 第24-29页 |
| 3.4.1 数据准备 | 第24-26页 |
| 3.4.2 评价标准 | 第26页 |
| 3.4.3 实验结果及分析 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于用户社会化信息的推荐策略研究 | 第30-44页 |
| 4.1 相关工作 | 第30-32页 |
| 4.2 社会化信息融合 | 第32-35页 |
| 4.2.1 个人描述信息相似度计算 | 第32-33页 |
| 4.2.2 社交信息相似度计算 | 第33-34页 |
| 4.2.3 行为信息相似度计算 | 第34页 |
| 4.2.4 兴趣信息相似度计算 | 第34-35页 |
| 4.2.5 小结 | 第35页 |
| 4.3 推荐过程 | 第35-37页 |
| 4.3.1 介绍 | 第35-37页 |
| 4.3.2 处理过程 | 第37页 |
| 4.3.3 产生推荐 | 第37页 |
| 4.4 实验 | 第37-43页 |
| 4.4.1 实验数据 | 第38页 |
| 4.4.2 用户的社会化信息对相似用户的影响 | 第38-42页 |
| 4.4.3 基于用户相似度的协同过滤推荐实验 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 演示系统的设计与实现 | 第44-49页 |
| 5.1 总体设计 | 第44页 |
| 5.2 结果展示 | 第44-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
