基于网页兴趣度的用户兴趣模型体系研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究内容 | 第9-11页 |
| 1.3 研究现状 | 第11-12页 |
| 1.4 本文创新点 | 第12-13页 |
| 1.5 本文结构 | 第13-15页 |
| 第2章 文本内容表征 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 中文分词算法 | 第15-22页 |
| 2.2.1 中文分词算法思想 | 第16-18页 |
| 2.2.2 中文分词算法难点 | 第18-19页 |
| 2.2.3 中文分词算法实现 | 第19-21页 |
| 2.2.4 词性标注 | 第21-22页 |
| 2.3 文本表征算法 | 第22-25页 |
| 2.3.1 VSM模型基本思想 | 第22-23页 |
| 2.3.2 VSM模型的应用 | 第23-25页 |
| 2.4 文本特征相似度算法 | 第25-26页 |
| 2.5 文本特征聚类算法 | 第26-28页 |
| 2.5.1 K-Means聚类算法 | 第27页 |
| 2.5.2 合并聚类算法 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 用户兴趣度量 | 第30-37页 |
| 3.1 引言 | 第30-31页 |
| 3.2 用户浏览行为分析 | 第31-32页 |
| 3.3 用户兴趣度量方法 | 第32-36页 |
| 3.3.1 用户浏览行为的兴趣度量 | 第33页 |
| 3.3.2 用户浏览时间的兴趣度量 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 用户兴趣模型 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 兴趣模型的表示 | 第37-38页 |
| 4.2.1 用户兴趣向量 | 第37-38页 |
| 4.2.2 用户兴趣矩阵 | 第38页 |
| 4.3 兴趣模型相关运算 | 第38-40页 |
| 4.3.1 用户兴趣向量相关运算 | 第38-39页 |
| 4.3.2 用户兴趣矩阵相关运算 | 第39-40页 |
| 4.4 用户兴趣模型的建立 | 第40页 |
| 4.5 用户兴趣模型的更新 | 第40-43页 |
| 4.5.1 时间分段机制 | 第41页 |
| 4.5.2 时间衰减机制 | 第41-43页 |
| 4.6 用户兴趣模型的应用 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 用户兴趣模型系统 | 第45-55页 |
| 5.1 引言 | 第45页 |
| 5.2 系统架构 | 第45-47页 |
| 5.2.1 文本分析模块 | 第46页 |
| 5.2.2 兴趣提取模块 | 第46-47页 |
| 5.2.3 内容推荐模块 | 第47页 |
| 5.2.4 外部API模块 | 第47页 |
| 5.3 系统实现 | 第47-51页 |
| 5.4 系统验证 | 第51-54页 |
| 5.4.1 兴趣度量算法验证 | 第51-52页 |
| 5.4.2 兴趣模型算法验证 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 成果总结 | 第55-56页 |
| 6.2 今后工作 | 第56页 |
| 6.3 未来展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
