个性化新闻推荐系统的研究与设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 新闻推荐系统的研究现状 | 第10-11页 |
| 1.2.2 文本相似度算法的研究现状 | 第11-12页 |
| 1.2.3 新闻推荐算法的研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的结构 | 第14-16页 |
| 2 个性化新闻推荐的相关技术 | 第16-30页 |
| 2.1 个性化新闻推荐系统概念 | 第16-17页 |
| 2.2 新闻信息的获取 | 第17-21页 |
| 2.2.1 新闻信息的采集 | 第17-20页 |
| 2.2.2 新闻信息的处理 | 第20-21页 |
| 2.3 主要的文本相似度计算方式 | 第21-24页 |
| 2.4 主要的新闻推荐算法 | 第24-27页 |
| 2.4.1 传统的基于用户的协同过滤算法 | 第24-25页 |
| 2.4.2 传统的基于新闻的协同过滤算法 | 第25-27页 |
| 2.5 评价方法和指标 | 第27-29页 |
| 2.5.1 实验方法 | 第27页 |
| 2.5.2 评测指标 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 适合新闻特点的混合相似度计算方法 | 第30-38页 |
| 3.1 新闻的特点 | 第30页 |
| 3.2 改进的新闻相似度计算方法 | 第30-34页 |
| 3.3 实验验证 | 第34-37页 |
| 3.3.1 实验方案 | 第34页 |
| 3.3.2 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 适应用户兴趣变化的个性化新闻推荐算法 | 第38-45页 |
| 4.1 用户兴趣的特点 | 第38页 |
| 4.2 改进的新闻推荐算法 | 第38-41页 |
| 4.2.1 用户的动态兴趣模型建立 | 第38-40页 |
| 4.2.2 改进的新闻推荐算法具体过程 | 第40-41页 |
| 4.3 实验验证 | 第41-44页 |
| 4.3.1 实验方案 | 第41页 |
| 4.3.2 实验结果及分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 个性化新闻推荐系统的设计与实现 | 第45-53页 |
| 5.1 系统需求分析 | 第45页 |
| 5.2 系统总体设计 | 第45-46页 |
| 5.3 系统详细设计 | 第46-52页 |
| 5.4 本章总结 | 第52-53页 |
| 6 总结和展望 | 第53-55页 |
| 6.1 本文的总结 | 第53-54页 |
| 6.2 未来工作的展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第61页 |
