| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 文章推荐系统 | 第12-13页 |
| 1.3.2 推荐结果评价 | 第13-14页 |
| 1.4 主要内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第二章 基础知识介绍 | 第16-34页 |
| 2.1 科技论文网络 | 第16-19页 |
| 2.1.1 合著网络 | 第16-17页 |
| 2.1.2 引文网络 | 第17-19页 |
| 2.2 社区挖掘 | 第19-23页 |
| 2.2.1 社区挖掘算法 | 第19-23页 |
| 2.2.2 社区领袖发现 | 第23页 |
| 2.3 推荐系统 | 第23-30页 |
| 2.3.1 基于内容过滤的推荐算法 | 第24-27页 |
| 2.3.2 基于用户的协同过滤推荐算法(UserCF) | 第27页 |
| 2.3.3 基于物品的协同过滤算法(ItemCF) | 第27-29页 |
| 2.3.4 论文推荐系统 | 第29-30页 |
| 2.4 推荐结果评价 | 第30-33页 |
| 2.4.1 预测准确度 | 第30-32页 |
| 2.4.2 覆盖率 | 第32页 |
| 2.4.3 多样性 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于论文社区的权威论文推荐 | 第34-46页 |
| 3.1 经典论文推荐模型 | 第34-35页 |
| 3.2 引文网络 | 第35-36页 |
| 3.3 基于GCE的引文网络社区发现算法 | 第36-37页 |
| 3.4 基于PaperRank算法的论文影响力计算 | 第37-41页 |
| 3.4.1 PageRank算法 | 第37-38页 |
| 3.4.2 PageRank算法的不足 | 第38页 |
| 3.4.3 PaperRank算法 | 第38-41页 |
| 3.5 实验结果 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 论文推荐结果评价模型 | 第46-61页 |
| 4.1 模型介绍 | 第46-48页 |
| 4.2 评价模型算法与原理 | 第48-55页 |
| 4.2.1 论文质量评价 | 第49-52页 |
| 4.2.2 用户匹配度计算 | 第52-55页 |
| 4.2.3 推荐结果评分计算流程 | 第55页 |
| 4.3 实验结果 | 第55-59页 |
| 4.3.1 文章质量评价 | 第56页 |
| 4.3.2 用户匹配度计算 | 第56-58页 |
| 4.3.3 推荐结果综合评分 | 第58页 |
| 4.3.4 人工评价对比 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考 文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间已发表或录用的论文 | 第68-70页 |
