摘要 | 第5-7页 |
Abstract | 第7-9页 |
第一章 引言 | 第13-19页 |
1.1 研究背景 | 第13-16页 |
1.2 研究内容 | 第16-18页 |
1.3 论文结构 | 第18-19页 |
第二章 论文相关研究与相关技术 | 第19-31页 |
2.1 推荐系统 | 第19-21页 |
2.2 多样化推荐技术 | 第21-23页 |
2.3 查询推荐技术 | 第23-28页 |
2.3.1 基于查询日志的查询推荐 | 第24-27页 |
2.3.2 基于文档的查询推荐 | 第27-28页 |
2.4 用户行为数据建模 | 第28-29页 |
2.5 本章小结 | 第29-31页 |
第三章 面向多样化查询推荐的典型用户行为模型 | 第31-49页 |
3.1 研究动机 | 第31-36页 |
3.1.1 多样化查询推荐问题描述 | 第31-33页 |
3.1.2 多样化查询推荐策略的局限性 | 第33-36页 |
3.2 典型用户行为模型 | 第36-45页 |
3.2.1 密集行为块定义 | 第36-40页 |
3.2.2 典型用户行为模型定义 | 第40-41页 |
3.2.3 构建典型用户行为模型 | 第41-44页 |
3.2.4 基于用户行为的动态分类体系 | 第44-45页 |
3.3 基于典型用户行为模型的多样化查询推荐 | 第45-48页 |
3.4 本章小结 | 第48-49页 |
第四章 面向流行性行为的多样化查询推荐方法 | 第49-69页 |
4.1 研究思路与研究动机 | 第49-52页 |
4.1.1 研究动机 | 第49-51页 |
4.1.2 研究思路 | 第51-52页 |
4.2 面向流行性行为的多样化查询推荐 | 第52-57页 |
4.2.1 面向流行性行为的多样化查询推荐流程 | 第52-54页 |
4.2.2 PBDQR问题模型定义 | 第54-56页 |
4.2.3 PBDQR(k)问题求解算法 | 第56-57页 |
4.3 实验及评估 | 第57-66页 |
4.3.1 查询日志数据预处理 | 第58-59页 |
4.3.2 实验数据统计分析 | 第59-63页 |
4.3.3 实验分析 | 第63-66页 |
4.4 本章小结 | 第66-69页 |
第五章 面向差异化搜索背景的多样化查询推荐方法 | 第69-89页 |
5.1 研究动机与研究思路 | 第69-73页 |
5.1.1 研究动机 | 第70-72页 |
5.1.2 研究思路 | 第72-73页 |
5.2 面向差异化搜索背景的多样化查询推荐 | 第73-80页 |
5.2.1 DBDQR问题模型定义 | 第74-76页 |
5.2.2 参数计算 | 第76-77页 |
5.2.3 典型用户行为模型的的强度 | 第77-78页 |
5.2.4 DBDQR(k)问题求解算法 | 第78-80页 |
5.3 实验及评估 | 第80-86页 |
5.3.1 实验准备 | 第80-81页 |
5.3.2 基准方法 | 第81页 |
5.3.3 实验分析 | 第81-86页 |
5.4 本章小结 | 第86-89页 |
第六章 流行性与相似性结合的多样化查询推荐方法 | 第89-115页 |
6.1 研究动机与研究思路 | 第90-92页 |
6.1.1 研究动机 | 第90-91页 |
6.1.2 研究思路 | 第91-92页 |
6.2 用户注册信息匹配 | 第92-98页 |
6.2.1 用户信息匹配问题描述 | 第93-96页 |
6.2.2 用户信息匹配过程 | 第96-98页 |
6.3 基于流行性与相似性结合的多样化推荐 | 第98-107页 |
6.3.1 流行性与相似性结合的多样化查询推荐流程 | 第99-100页 |
6.3.2 PSDQR问题模型定义 | 第100-102页 |
6.3.3 基于R/S分析的用户过滤方法 | 第102-105页 |
6.3.4 典型用户行为模型的归属度 | 第105-106页 |
6.3.5 PSDQR(k)问题求解 | 第106-107页 |
6.4 实验及评估 | 第107-112页 |
6.4.1 实验准备 | 第107-108页 |
6.4.2 实验分析 | 第108-112页 |
6.5 本章小结 | 第112-115页 |
第七章 结论 | 第115-117页 |
7.1 本文工作总结 | 第115-116页 |
7.2 下一步研究工作 | 第116-117页 |
参考文献 | 第117-129页 |
致谢 | 第129-131页 |
攻读博士学位期间的主要成果 | 第131页 |
论文发表情况 | 第131页 |