| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 多领域兴趣爱好研究 | 第12-14页 |
| 1.2.2 推荐算法与稀疏性问题 | 第14-16页 |
| 1.3 论文的研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 相关理论和技术 | 第18-31页 |
| 2.1 网络数据采集 | 第18-19页 |
| 2.1.1 基本结构 | 第18-19页 |
| 2.1.2 分布式抓取系统 | 第19页 |
| 2.2 关联分析算法 | 第19-25页 |
| 2.2.1 关联分析简介 | 第19-20页 |
| 2.2.2 Apriori算法 | 第20-21页 |
| 2.2.3 FP-growth算法 | 第21-23页 |
| 2.2.4 Eclat算法 | 第23-25页 |
| 2.3 聚类分析算法 | 第25-28页 |
| 2.3.1 聚类分析简介 | 第25页 |
| 2.3.2 非层次聚类的K-Means算法 | 第25-26页 |
| 2.3.3 层次聚类的AGNES算法 | 第26-28页 |
| 2.4 推荐系统算法 | 第28-30页 |
| 2.4.1 协同过滤推荐算法 | 第28-29页 |
| 2.4.2 基于关联规则的推荐算法 | 第29-30页 |
| 2.4.3 基于内容的推荐算法 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 面向LinkedIn的用户兴趣爱好特征分析实证研究 | 第31-50页 |
| 3.1 兴趣爱好采集与识别 | 第31-36页 |
| 3.1.1 兴趣爱好采集 | 第31-32页 |
| 3.1.2 兴趣爱好项目识别 | 第32-35页 |
| 3.1.3 兴趣爱好规范化表示 | 第35-36页 |
| 3.2 兴趣爱好关联分析 | 第36-45页 |
| 3.2.1 兴趣爱好关联分析模型 | 第36-37页 |
| 3.2.2 兴趣爱好关联特征 | 第37-45页 |
| 3.3 兴趣爱好聚类分析 | 第45-49页 |
| 3.3.1 兴趣爱好聚类分析模型 | 第45-46页 |
| 3.3.2 兴趣爱好聚类特征 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 面向多源社交网络数据的兴趣爱好推荐技术研究 | 第50-64页 |
| 4.1 多源社交网络数据的采集与识别 | 第50-52页 |
| 4.2 基于关联规则的推荐算法及其改进思路 | 第52-55页 |
| 4.2.1 第一类基于兴趣爱好聚类特征的混合推荐算法 | 第53-54页 |
| 4.2.2 第二类基于兴趣爱好聚类特征的混合推荐算法 | 第54-55页 |
| 4.3 实验结果与分析 | 第55-63页 |
| 4.3.1 实验平台 | 第55-56页 |
| 4.3.2 实验设置 | 第56页 |
| 4.3.3 数据集 | 第56-57页 |
| 4.3.4 评价指标 | 第57页 |
| 4.3.5 实验分析 | 第57-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 多源社交网络用户兴趣数据的采集与分析系统设计与实现 | 第64-77页 |
| 5.1 系统设计目标及实现难点 | 第64-65页 |
| 5.2 系统模块划分与功能设计 | 第65-70页 |
| 5.2.1 系统框架 | 第65-66页 |
| 5.2.2 多源数据采集模块 | 第66-67页 |
| 5.2.3 兴趣爱好分析与推荐预测模块 | 第67-68页 |
| 5.2.4 非关系型语义数据库管理模块 | 第68-69页 |
| 5.2.5 用户属性分析模块 | 第69-70页 |
| 5.3 系统实现展示 | 第70-76页 |
| 5.3.1 多源社交网络数据采集的实现 | 第70-72页 |
| 5.3.2 兴趣爱好分析的实现 | 第72-73页 |
| 5.3.3 兴趣爱好推荐预测的实现 | 第73-74页 |
| 5.3.4 用户属性分析的实现 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结和展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-85页 |
| 详细摘要 | 第85-87页 |
