推特事件推荐方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文结构安排 | 第17-19页 |
| 第二章 相关技术研究 | 第19-31页 |
| 2.1 个性化推荐系统 | 第19-22页 |
| 2.2 自然语言处理 | 第22-25页 |
| 2.2.1 推文分词 | 第22-23页 |
| 2.2.2 词性识别 | 第23页 |
| 2.2.3 Word2vec词向量 | 第23-25页 |
| 2.3 推特事件检测 | 第25-27页 |
| 2.4 推文聚类 | 第27-30页 |
| 2.4.1 聚类算法分类 | 第28-29页 |
| 2.4.2 聚类算法评价 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 推特事件推荐算法 | 第31-47页 |
| 3.1 推文成分过滤 | 第32-35页 |
| 3.2 自适应阈值发现 | 第35-38页 |
| 3.3 推特事件推荐算法 | 第38-41页 |
| 3.4 结果分析 | 第41-46页 |
| 3.4.1 实验数据集 | 第41-42页 |
| 3.4.2 推荐系统评价指标 | 第42-43页 |
| 3.4.3 实验结果及分析 | 第43-46页 |
| 3.5 小结 | 第46-47页 |
| 第四章 基于二次聚类的推荐算法 | 第47-60页 |
| 4.1 基于阈值的推荐方法的弊端 | 第47-48页 |
| 4.2 基于二次聚类的推荐算法 | 第48-54页 |
| 4.2.1 K-Means聚类算法分析 | 第48-51页 |
| 4.2.2 基于二次聚类的推荐算法 | 第51-54页 |
| 4.3 结果分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 推特事件推荐系统设计与实现 | 第60-68页 |
| 5.1 系统总体设计 | 第60-62页 |
| 5.2 系统各模块的设计与实现 | 第62-66页 |
| 5.2.1 系统开发和测试环境 | 第62页 |
| 5.2.2 各子系统的设计与实现 | 第62-66页 |
| 5.3 系统展示 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 论文工作总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻硕期间取得的研究成果 | 第75页 |
