基于主题模型的战略性新兴产业科技报告推荐研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 科技报告研究现状 | 第12-18页 |
| 1.2.1 国外研究现状 | 第12-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 研究思路与创新点 | 第18-21页 |
| 1.3.1 研究思路 | 第18-20页 |
| 1.3.2 创新点 | 第20-21页 |
| 2 主题模型及推荐技术 | 第21-31页 |
| 2.1 主题模型 | 第21-23页 |
| 2.1.1 主题模型概述 | 第21页 |
| 2.1.2 PLSI主题模型 | 第21-22页 |
| 2.1.3 LDA主题模型 | 第22-23页 |
| 2.2 个性化推荐方法 | 第23-28页 |
| 2.2.1 基于关联规则的推荐方法 | 第24页 |
| 2.2.2 协同过滤推荐方法 | 第24-27页 |
| 2.2.3 基于内容的推荐方法 | 第27-28页 |
| 2.2.4 混合推荐 | 第28页 |
| 2.3 推荐结果评估 | 第28-31页 |
| 3 基于主题模型的科技报告推荐方法 | 第31-38页 |
| 3.1 基于LDA主题模型的推荐 | 第31-33页 |
| 3.1.1 LDA的生成过程及参数估计 | 第31-32页 |
| 3.1.2 惊喜度评估 | 第32-33页 |
| 3.2 基于CTM关联主题模型的推荐 | 第33-35页 |
| 3.2.1 变分方法后验推断 | 第34-35页 |
| 3.2.2 参数估计 | 第35页 |
| 3.3 基于用户主题兴趣的推荐 | 第35-38页 |
| 4 基于主题模型的科技报告推荐实证 | 第38-52页 |
| 4.1 基于LDA主题模型的科技报告推荐 | 第38-43页 |
| 4.1.1 实验准备 | 第38页 |
| 4.1.2 基于主题分布相似性的推荐 | 第38-41页 |
| 4.1.3 实验结果 | 第41-43页 |
| 4.2 基于CTM关联主题模型的科技报告推荐 | 第43-49页 |
| 4.2.1 实验准备 | 第43页 |
| 4.2.2 基于主题关联度的推荐 | 第43-48页 |
| 4.2.3 实验结果 | 第48-49页 |
| 4.3 基于用户主题兴趣的科技报告推荐 | 第49-52页 |
| 4.3.1 实验准备 | 第49页 |
| 4.3.2 基于用户主题兴趣的推荐 | 第49-50页 |
| 4.3.3 实验结果 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 研究总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
