| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究问题及意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.4 本文的主要内容 | 第15-17页 |
| 1.5 融合算法的创新及特点 | 第17-19页 |
| 1.6 本文的结构及内容安排 | 第19-20页 |
| 第二章 个性化推荐及文本挖掘相关技术 | 第20-32页 |
| 2.1 传统协同过滤 | 第21-25页 |
| 2.2 文本挖掘 | 第25-31页 |
| 2.2.1 数据预处理 | 第26-27页 |
| 2.2.2 特征表示 | 第27-29页 |
| 2.2.3 LDA主题模型 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 融合用户评论的协同过滤算法改进研究 | 第32-43页 |
| 3.1 融合用户评论的协同过滤改进算法框架 | 第33-34页 |
| 3.2 用户评论挖掘及主题向量化模块 | 第34-36页 |
| 3.3 传统协同过滤模块 | 第36-37页 |
| 3.4 主题融合模块 | 第37-42页 |
| 3.4.1 融合策略 | 第37-40页 |
| 3.4.2 加权策略 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 实验及结果分析 | 第43-60页 |
| 4.1 实验数据 | 第43-44页 |
| 4.2 评价指标 | 第44-46页 |
| 4.2.1 数值型评价指标 | 第44页 |
| 4.2.2 分类型评价指标 | 第44-45页 |
| 4.2.3 排序型评价指标 | 第45-46页 |
| 4.3 实验设计 | 第46页 |
| 4.4 实验及结果分析 | 第46-59页 |
| 4.4.1 融合用户评论文本前后的协同过滤对比实验 | 第46-53页 |
| 4.4.2 抽取显著主题前后的融合模型对比实验 | 第53-59页 |
| 4.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-63页 |
| 总结 | 第60-61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |