面向微博用户的内容与好友推荐算法研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 微博推荐研究意义 | 第10-11页 |
| 1.3 微博推荐研究内容 | 第11页 |
| 1.4 微博推荐应用介绍 | 第11-12页 |
| 1.5 本文的主要工作 | 第12-13页 |
| 1.6 论文结构安排 | 第13-14页 |
| 第二章 微博推荐相关介绍 | 第14-18页 |
| 2.1 微博推荐相关技术介绍 | 第14-16页 |
| 2.2 微博推荐系统介绍 | 第16-17页 |
| 2.2.1 微博偏好获取 | 第16-17页 |
| 2.2.2 微博内容推荐 | 第17页 |
| 2.2.3 微博好友推荐 | 第17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于社交网络和信任度的微博好友推荐算法 | 第18-27页 |
| 3.1 相关介绍 | 第18-19页 |
| 3.1.1 社交网络 | 第18页 |
| 3.1.2 信任度 | 第18-19页 |
| 3.2 算法设计 | 第19-23页 |
| 3.2.1 算法步骤描述 | 第19-20页 |
| 3.2.2 相似性度量 | 第20-22页 |
| 3.2.3 相似性群体 | 第22页 |
| 3.2.4 信任群体 | 第22-23页 |
| 3.2.5 好友推荐 | 第23页 |
| 3.3 实验及结果分析 | 第23-26页 |
| 3.3.1 实验环境 | 第23-24页 |
| 3.3.2 数据集 | 第24页 |
| 3.3.3 实验评价标准 | 第24页 |
| 3.3.4 实验结果分析 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于奇异值分解的微博好友推荐算法 | 第27-35页 |
| 4.1 相关介绍 | 第27-28页 |
| 4.1.1 矩阵分解 | 第27-28页 |
| 4.1.2 协同过滤推荐 | 第28页 |
| 4.2 算法设计 | 第28-32页 |
| 4.2.1 算法步骤描述 | 第29页 |
| 4.2.2 数据处理 | 第29-30页 |
| 4.2.3 奇异值分解 | 第30页 |
| 4.2.4 用户相似性度量 | 第30-31页 |
| 4.2.5 文本相似性度量 | 第31-32页 |
| 4.2.6 偏好推荐 | 第32页 |
| 4.3 实验及结果分析 | 第32-34页 |
| 4.3.1 实验评价标准 | 第32页 |
| 4.3.2 实验结果分析 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 基于文本分类的微博内容推荐算法 | 第35-44页 |
| 5.1 相关介绍 | 第35-37页 |
| 5.1.1 中文分词 | 第35-37页 |
| 5.1.2 文本分类 | 第37页 |
| 5.1.3 内容推荐 | 第37页 |
| 5.2 算法设计 | 第37-41页 |
| 5.2.1 算法步骤描述 | 第38页 |
| 5.2.2 文档分词处理 | 第38-39页 |
| 5.2.3 偏好分类 | 第39-40页 |
| 5.2.4 相似性计算 | 第40-41页 |
| 5.2.5 内容推荐 | 第41页 |
| 5.3 实验及结果分析 | 第41-43页 |
| 5.3.1 数据集 | 第41页 |
| 5.3.2 实验结果分析 | 第41-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 6.1 论文工作总结 | 第44-45页 |
| 6.2 下一步工作展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
