| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 当前研究中存在的不足 | 第8-9页 |
| 1.3 研究内容及创新点 | 第9页 |
| 1.4 论文组织架构 | 第9-11页 |
| 第二章 相关研究综述 | 第11-17页 |
| 2.1 个性化推荐 | 第11-13页 |
| 2.1.1 基于内容的推荐 | 第11页 |
| 2.1.2 协同过滤推荐 | 第11-12页 |
| 2.1.3 混合推荐 | 第12页 |
| 2.1.4 基于显示反馈的个性化推荐 | 第12-13页 |
| 2.1.5 基于隐式反馈的个性化推荐 | 第13页 |
| 2.2 基于隐式反馈信息推荐过程 | 第13-16页 |
| 2.2.1 隐式反馈信息的获取 | 第13-14页 |
| 2.2.2 用户兴趣建模 | 第14-16页 |
| 2.2.3 模型更新 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 一种基于隐式反馈的用户兴趣模型构建方法 | 第17-25页 |
| 3.1 引言 | 第17页 |
| 3.2 相关定义 | 第17-18页 |
| 3.3 方法思想及步骤 | 第18-20页 |
| 3.3.1 计算基于页面浏览率的用户兴趣度 | 第18-19页 |
| 3.3.2 计算基于页面浏览速度的用户兴趣度 | 第19-20页 |
| 3.3.3 计算基于页面浏览动作的用户兴趣度 | 第20页 |
| 3.4 用户兴趣度建模 | 第20-22页 |
| 3.4.1 网页文本内容表征处理 | 第20-21页 |
| 3.4.2 计算主题兴趣度 | 第21页 |
| 3.4.3 构建主题兴趣度模型 | 第21-22页 |
| 3.5 实验分析 | 第22-24页 |
| 3.5.1 数据集 | 第22页 |
| 3.5.2 评价指标 | 第22-23页 |
| 3.5.3 融合页面浏览速度的模型与传统VSM模型对比 | 第23-24页 |
| 3.5.4 融合页面浏览时间的模型与传统VSM模型对比 | 第24页 |
| 3.6 本章小结 | 第24-25页 |
| 第四章 基于用户兴趣更新模型的隐式反馈推荐方法 | 第25-33页 |
| 4.1 引言 | 第25页 |
| 4.2 相关定义 | 第25-26页 |
| 4.3 用户兴趣模型更新方法及步骤 | 第26-28页 |
| 4.3.1 计算兴趣矩阵向量相似度 | 第26页 |
| 4.3.2 计算并更新兴趣向量 | 第26-27页 |
| 4.3.3 更新用户兴趣模型 | 第27-28页 |
| 4.4 基于更新后模型的推荐 | 第28-29页 |
| 4.5 实验结果与分析 | 第29-32页 |
| 4.5.1 数据集 | 第29页 |
| 4.5.2 评价标准 | 第29页 |
| 4.5.3 实验结果与分析 | 第29-32页 |
| 4.6 本章小结 | 第32-33页 |
| 第五章 基于隐式反馈的就业推荐原型系统 | 第33-37页 |
| 5.1 系统架构 | 第33-35页 |
| 5.1.1 体系结构 | 第33页 |
| 5.1.2 推荐过程 | 第33-34页 |
| 5.1.3 系统功能模块 | 第34-35页 |
| 5.2 系统展示 | 第35-36页 |
| 5.3 本章小结 | 第36-37页 |
| 第六章 总结与展望 | 第37-38页 |
| 6.1 总结 | 第37页 |
| 6.2 展望 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 攻读硕士学位期间的主要工作 | 第41-42页 |
| 致谢 | 第42页 |