基于社交网络的个性化推荐系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 微博现状的研究 | 第8-9页 |
| 1.2.2 个性化推荐系统 | 第9-11页 |
| 1.3 研究内容与结构安排 | 第11-13页 |
| 1.3.1 本文的研究内容 | 第11-12页 |
| 1.3.2 研究技术路线 | 第12-13页 |
| 1.3.3 本文的结构安排 | 第13页 |
| 本章小结 | 第13-14页 |
| 第二章 系统相关技术介绍 | 第14-22页 |
| 2.1 推荐算法综述 | 第14-18页 |
| 2.1.1 基于内容的推荐 | 第14-15页 |
| 2.1.2 基于规则的推荐 | 第15页 |
| 2.1.3 基于协同过滤的推荐 | 第15-18页 |
| 2.2 用户数据收集 | 第18-19页 |
| 2.3 社交网络概述 | 第19-21页 |
| 2.3.1 新浪微博简介 | 第19-20页 |
| 2.3.2 数据获取技术 | 第20页 |
| 2.3.3 数据获取流程图 | 第20-21页 |
| 本章小结 | 第21-22页 |
| 第三章 需求分析 | 第22-29页 |
| 3.1 推荐系统任务概述 | 第22-24页 |
| 3.1.1 推荐系统目标 | 第22页 |
| 3.1.2 系统工作流程 | 第22-24页 |
| 3.2 推荐系统功能需求 | 第24-26页 |
| 3.2.1 数据采集模块 | 第25页 |
| 3.2.2 推荐引擎模块 | 第25-26页 |
| 3.2.3 用户交互模块 | 第26页 |
| 3.3 非功能需求分析 | 第26-27页 |
| 3.4 个性化推荐 | 第27-28页 |
| 3.5 用户冷启动 | 第28页 |
| 本章小结 | 第28-29页 |
| 第四章 推荐系统的详细设计 | 第29-44页 |
| 4.1 系统应用架构设计 | 第29-30页 |
| 4.2 系统功能架构设计 | 第30-35页 |
| 4.2.1 数据采集模块 | 第30-32页 |
| 4.2.2 推荐引擎模块 | 第32-34页 |
| 4.2.3 用户交互模块 | 第34-35页 |
| 4.3 个性化Top-N方法 | 第35-39页 |
| 4.3.1 主题模型建立 | 第36-37页 |
| 4.3.2 用户建模 | 第37-38页 |
| 4.3.3 用户相似度计算 | 第38页 |
| 4.3.4 Top-N推荐 | 第38-39页 |
| 4.4 数据库设计 | 第39-41页 |
| 4.5 推荐系统界面设计 | 第41-43页 |
| 本章小结 | 第43-44页 |
| 第五章 个性化推荐系统的实现 | 第44-59页 |
| 5.1 数据采集模块的实现 | 第44-48页 |
| 5.1.1 API调用 | 第44-45页 |
| 5.1.2 用户数据采集 | 第45-48页 |
| 5.2 推荐引擎模块的实现 | 第48-51页 |
| 5.2.1 邻居用户获取 | 第48-50页 |
| 5.2.2 推荐引擎 | 第50-51页 |
| 5.3 用户交互模块的实现 | 第51-55页 |
| 5.4 系统效果与分析 | 第55-58页 |
| 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-72页 |
| 参考文献 | 第72-74页 |
| 图版 | 第74-75页 |
