| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第13-21页 |
| 1.1 课题研究的背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 论文推荐系统研究现状 | 第13-15页 |
| 1.2.2 基于UGC的主题发现及推荐系统研究现状 | 第15-16页 |
| 1.2.3 国内外对于ResearchGate的研究现状 | 第16-17页 |
| 1.3 存在的问题 | 第17-18页 |
| 1.4 研究方法及创新点 | 第18页 |
| 1.5 研究思路 | 第18-19页 |
| 1.6 研究内容和意义 | 第19-21页 |
| 第二章 理论基础 | 第21-29页 |
| 2.1 用户生成内容及在线科研社交 | 第21-23页 |
| 2.1.1 用户生成内容概念的提出及相关研究 | 第21-23页 |
| 2.1.2 在线社交以及科研社交 | 第23页 |
| 2.2 主要推荐方法 | 第23-26页 |
| 2.2.1 基于内容的推荐方法 | 第24-25页 |
| 2.2.2 协同过滤推荐方法 | 第25页 |
| 2.2.3 社会化推荐方法 | 第25-26页 |
| 2.2.4 混合模式推荐方法 | 第26页 |
| 2.3 本章小结 | 第26-29页 |
| 第三章 基于用户生成内容的模型建立 | 第29-41页 |
| 3.1 科研社交平台中用户生成内容的现状—以东南大学为例 | 第29-35页 |
| 3.1.1 数据集 | 第29-30页 |
| 3.1.2 使用情况分析 | 第30-35页 |
| 3.2 ResearchGate科研社交平台中适用于推荐的特征 | 第35-39页 |
| 3.2.1 科研社交平台中的关系特点 | 第35-38页 |
| 3.2.2 科研社区中发布的内容特点 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 科研成果内容与社交平台内容的关联分析 | 第41-51页 |
| 4.1 基于引用关系的科研人员知识吸收过程 | 第41-46页 |
| 4.1.1 引用关系、知识吸收的理论与技术 | 第41-43页 |
| 4.1.2 基于引用关系的知识吸收分析 | 第43-46页 |
| 4.2 基于发文构建的科研人员学术画像 | 第46-50页 |
| 4.2.1 数据集 | 第47-48页 |
| 4.2.2 科研人员学术画像的构建 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 推荐系统的设计 | 第51-63页 |
| 5.1 基于用户生成内容的兴趣模型表示 | 第51-54页 |
| 5.2 社交平台学术信息与科研人员研究方向重合度 | 第54-58页 |
| 5.2.1 作者发文及引文数据的选取 | 第55-56页 |
| 5.2.2 重合度的计算及词频参数的选取 | 第56-58页 |
| 5.3 系统结构概述 | 第58-61页 |
| 5.3.1 系统结构设计 | 第58-60页 |
| 5.3.2 系统对比 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 系统实现及结果测试 | 第63-72页 |
| 6.1 系统运行环境及实验数据 | 第63-65页 |
| 6.1.1 系统运行环境 | 第63-64页 |
| 6.1.2 数据获取及清洗 | 第64-65页 |
| 6.2 论文推荐系统及结果 | 第65-71页 |
| 6.2.1 兴趣模型获取与建立 | 第66-67页 |
| 6.2.2 推荐系统实现 | 第67-69页 |
| 6.2.3 推荐系统测试与评价方法 | 第69-70页 |
| 6.2.4 测试及反馈 | 第70-71页 |
| 6.3 本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-75页 |
| 7.1 总结 | 第72页 |
| 7.2 展望 | 第72-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者简介 | 第83页 |
