基于主题排序与推荐的智能全文检索系统研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 主要研究内容 | 第18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 2 相关理论及技术 | 第20-37页 |
| 2.1 PageRank网页排名算法 | 第20-22页 |
| 2.1.1 PageRank主要思想 | 第20-21页 |
| 2.1.2 PageRank算法理论依据 | 第21-22页 |
| 2.2 LDA主题模型 | 第22-26页 |
| 2.2.1 LDA概率生成模型 | 第23-25页 |
| 2.2.2 Gibbs抽样 | 第25-26页 |
| 2.3 BP神经网络 | 第26-29页 |
| 2.3.1 信号前向传播 | 第26-28页 |
| 2.3.2 误差逆向传递 | 第28-29页 |
| 2.4 个性化推荐技术 | 第29-33页 |
| 2.4.1 协同过滤推荐算法 | 第29-31页 |
| 2.4.2 基于内容的推荐算法 | 第31-32页 |
| 2.4.3 混合推荐算法 | 第32-33页 |
| 2.5 回归与分类 | 第33-34页 |
| 2.6 聚类 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 3 系统分析与建模 | 第37-43页 |
| 3.1 需求分析 | 第37-38页 |
| 3.2 系统主要业务流程分析 | 第38-40页 |
| 3.2.1 网页内容获取与处理流程分析 | 第38-39页 |
| 3.2.2 检索结果排序与展现流程分析 | 第39-40页 |
| 3.2.3 反馈与推荐流程分析 | 第40页 |
| 3.3 基于推荐系统建模 | 第40-41页 |
| 3.4 系统的功能性需求分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 系统设计 | 第43-66页 |
| 4.1 系统总体设计 | 第43-44页 |
| 4.2 数据库设计 | 第44-48页 |
| 4.2.1 数据库表结构和字段 | 第45-48页 |
| 4.3 爬虫模块设计 | 第48-50页 |
| 4.3.1 爬虫模块调度流程 | 第49-50页 |
| 4.4 基于内容算法排序模块 | 第50-52页 |
| 4.4.1 内容频度相关算法 | 第50-51页 |
| 4.4.2 基于距离相关算法 | 第51-52页 |
| 4.5 PageRank模块 | 第52-53页 |
| 4.6 LDA主题模型模块 | 第53-56页 |
| 4.6.1 LDA主题词排序 | 第54-56页 |
| 4.7 神经网络模块 | 第56-57页 |
| 4.8 搜索展现模块 | 第57-58页 |
| 4.8.1 搜索模块总体流程 | 第57-58页 |
| 4.9 推荐模块 | 第58-65页 |
| 4.9.1 确定页面主题簇 | 第59-62页 |
| 4.9.2 HRT个性化推荐 | 第62-65页 |
| 4.10 本章小结 | 第65-66页 |
| 5 系统实现与测试 | 第66-77页 |
| 5.1 系统开发环境 | 第66页 |
| 5.2 系统功能模块的实现 | 第66-75页 |
| 5.2.1 检索模块实现 | 第66-67页 |
| 5.2.2 爬虫模块实现 | 第67-68页 |
| 5.2.3 PageRank模块实现 | 第68-69页 |
| 5.2.4 LDA主题模型模块实现 | 第69-71页 |
| 5.2.5 推荐模块 | 第71-73页 |
| 5.2.6 推荐效果测试 | 第73-75页 |
| 5.3 系统测试 | 第75-76页 |
| 5.3.1 性能测试 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 个人简历 | 第82页 |
| 在学期间学术成果和参与项目 | 第82-83页 |
| 致谢 | 第83页 |
