基于个性化标签和微博主题的重要用户推荐方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 问题提出 | 第15页 |
| 1.4 研究目的及意义 | 第15-16页 |
| 1.4.1 研究目的 | 第15-16页 |
| 1.4.2 研究意义 | 第16页 |
| 1.5 主要研究内容 | 第16-17页 |
| 1.6 论文的组织结构 | 第17-19页 |
| 第2章 相关工作 | 第19-26页 |
| 2.1 关于推荐算法 | 第19-21页 |
| 2.1.1 基于内容的推荐算法 | 第19-20页 |
| 2.1.2 基于邻居的推荐算法 | 第20-21页 |
| 2.2 社交网络中好友的推荐 | 第21-23页 |
| 2.2.1 基于社交关系的好友推荐 | 第21-22页 |
| 2.2.2 基于社交内容的好友推荐 | 第22页 |
| 2.2.3 混合推荐 | 第22-23页 |
| 2.3 LDA主题模型 | 第23-24页 |
| 2.4 相似度度量 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于个性化标签的重要微博用户推荐算法 | 第26-35页 |
| 3.1 算法研究背景 | 第26-27页 |
| 3.2 PageRank算法 | 第27-28页 |
| 3.3 算法框架 | 第28-34页 |
| 3.3.1 数据预处理 | 第29-30页 |
| 3.3.2 基于PageRank重要用户发现 | 第30-31页 |
| 3.3.3 个性化标签相似度计算 | 第31-33页 |
| 3.3.4 重要用户推荐 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于相似主题的重要微博用户推荐算法 | 第35-44页 |
| 4.1 算法研究背景 | 第35-36页 |
| 4.2 传统的HITS算法 | 第36-38页 |
| 4.2.1 HITS算法原理 | 第36-37页 |
| 4.2.2 HITS算法存在的问题 | 第37-38页 |
| 4.3 算法框架 | 第38-43页 |
| 4.3.1 用户社群划分 | 第39页 |
| 4.3.2 用户类别划分 | 第39-41页 |
| 4.3.3 设定用户推荐关系 | 第41页 |
| 4.3.4 微博主题相似度计算及推荐 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验分析 | 第44-53页 |
| 5.1 实验准备 | 第44-47页 |
| 5.1.1 实验数据集 | 第44-45页 |
| 5.1.2 对比算法 | 第45-46页 |
| 5.1.3 实验环境配置 | 第46页 |
| 5.1.4 实验评价标准 | 第46-47页 |
| 5.2 实验结果与分析 | 第47-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 未来工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文以及参加科研情况 | 第59-60页 |
