基于主题模型的用户画像提取算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景与研究意义 | 第8-10页 |
| 1.2 社交策展网络 | 第10-11页 |
| 1.3 论文的研究内容与论文结构 | 第11-14页 |
| 第2章 相关技术综述 | 第14-32页 |
| 2.1 用户画像提取研究现状 | 第14-19页 |
| 2.1.1 用户画像信息来源 | 第14-16页 |
| 2.1.2 用户画像提取常用模型 | 第16-19页 |
| 2.2 推荐算法研究现状 | 第19-23页 |
| 2.2.1 基于内容的推荐算法 | 第20页 |
| 2.2.2 协同过滤推荐算法 | 第20-21页 |
| 2.2.3 混合推荐算法 | 第21-22页 |
| 2.2.4 推荐算法的评价指标 | 第22-23页 |
| 2.3 主题模型综述 | 第23-30页 |
| 2.3.1 基本语义模型 | 第24-28页 |
| 2.3.2 基于LDA模型的改进与应用 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 结合主题模型和点互信息的用户画像提取 | 第32-48页 |
| 3.1 算法总体框架 | 第32-37页 |
| 3.1.1 用户LDA建模 | 第33-35页 |
| 3.1.2 点互信息 | 第35页 |
| 3.1.3 提取用户个性化主题词 | 第35-36页 |
| 3.1.4 基于用户画像的收藏条目推荐 | 第36-37页 |
| 3.2 实验数据采集 | 第37-41页 |
| 3.3 实验数据和结果分析 | 第41-46页 |
| 3.3.1 实验数据 | 第41页 |
| 3.3.2 文本数据预处理 | 第41-42页 |
| 3.3.3 实验设置 | 第42-44页 |
| 3.3.4 实验结果 | 第44-46页 |
| 3.4 本章总结 | 第46-48页 |
| 第4章 基于多层LDA的用户画像提取 | 第48-60页 |
| 4.1 社交策展网络数据分析 | 第48-50页 |
| 4.1.1 社交策展网络数据模态分析 | 第48页 |
| 4.1.2 转发链的定义与构成 | 第48-50页 |
| 4.2 多层LDA模型 | 第50-51页 |
| 4.3 基于MLLDA的用户推荐 | 第51-52页 |
| 4.4 实验 | 第52-58页 |
| 4.4.1 实验数据 | 第52-53页 |
| 4.4.2 实验设置 | 第53-55页 |
| 4.4.3 实验结果 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
