问答社区中的动态演化推荐算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 问答社区研究现状 | 第12-14页 |
| 1.2.2 推荐技术研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第二章 相关理论与技术基础 | 第18-25页 |
| 2.1 WORD2VEC | 第18-20页 |
| 2.1.1 CBOW模型 | 第18-19页 |
| 2.1.2 Skip-gram模型 | 第19-20页 |
| 2.2 机器学习模型 | 第20-23页 |
| 2.2.1 支持向量回归SVR | 第20-22页 |
| 2.2.2 随机森林RF | 第22页 |
| 2.2.3 K近邻回归 | 第22-23页 |
| 2.3 演化算法 | 第23-24页 |
| 2.3.1 粒子群优化算法(PSO) | 第23-24页 |
| 2.3.2 马尔科夫随机过程 | 第24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 基于时序兴趣的好友及问题推荐 | 第25-43页 |
| 3.1 问答社区数据结构概述 | 第25-26页 |
| 3.2 问答社区数据采集 | 第26-29页 |
| 3.2.1 用户数据采集 | 第28-29页 |
| 3.2.2 问题数据采集 | 第29页 |
| 3.3 问答社区数据建模 | 第29-33页 |
| 3.3.1 问题话题建模 | 第29-32页 |
| 3.3.2 用户兴趣建模 | 第32-33页 |
| 3.4 用户好友推荐 | 第33-35页 |
| 3.4.1 兴趣向量 | 第33-34页 |
| 3.4.2 基于时序兴趣的好友推荐 | 第34-35页 |
| 3.5 问题答案推荐 | 第35-36页 |
| 3.5.1 特征提取 | 第35-36页 |
| 3.5.2 基于时序兴趣的答案推荐 | 第36页 |
| 3.6 实验及结果分析 | 第36-42页 |
| 3.6.1 实验数据集 | 第36-37页 |
| 3.6.2 用户好友推荐 | 第37-40页 |
| 3.6.3 问题答案推荐 | 第40-42页 |
| 3.7 本章总结 | 第42-43页 |
| 第四章 基于动态演化的好友推荐排序优化 | 第43-68页 |
| 4.1 用户兴趣演化模型假设 | 第43-44页 |
| 4.2 模型初始化 | 第44-45页 |
| 4.3 行为模拟及迭代演化 | 第45-47页 |
| 4.4 实验及结果分析 | 第47-67页 |
| 4.4.1 用户兴趣演化分类分析 | 第47-57页 |
| 4.4.2 关键参数分析 | 第57-65页 |
| 4.4.3 演化排序实验 | 第65-67页 |
| 4.5 本章总结 | 第67-68页 |
| 第五章 基于动态演化的回答者推荐排序优化 | 第68-82页 |
| 5.1 问题回答演化模型假设 | 第68-69页 |
| 5.2 模型初始化 | 第69页 |
| 5.3 行为模拟及迭代演化 | 第69-70页 |
| 5.4 实验及结果分析 | 第70-81页 |
| 5.4.1 问题推荐案例分析 | 第70-75页 |
| 5.4.2 关键参数分析 | 第75-80页 |
| 5.4.3 演化排序实验 | 第80-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |
