基于内容的自适应博客推荐方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的 | 第10页 |
| 1.3 国内外研究现状及发展趋势 | 第10-12页 |
| 1.3.1 国内外研究现状 | 第10-12页 |
| 1.3.2 发展趋势 | 第12页 |
| 1.4 本文主要研究内容和组织结构 | 第12-14页 |
| 1.4.1 本文主要研究内容 | 第12-13页 |
| 1.4.2 论文组织结构 | 第13-14页 |
| 2 基于内容推荐系统及常用算法 | 第14-20页 |
| 2.1 推荐系统概述 | 第14-16页 |
| 2.2 基于内容推荐的工作原理 | 第16-17页 |
| 2.3 基于内容推荐的步骤 | 第17-18页 |
| 2.4 基于内容的推荐算法 | 第18-19页 |
| 2.4.1 基于内容推荐算法分类 | 第18页 |
| 2.4.2 文本推荐方法 | 第18页 |
| 2.4.3 自适应推荐 | 第18-19页 |
| 2.5 自适应推荐存在的问题 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 3 用户模型的学习及相关技术 | 第20-25页 |
| 3.1 用户建模 | 第20-21页 |
| 3.2 模板学习 | 第21-22页 |
| 3.3 阈值学习 | 第22页 |
| 3.4 长期兴趣和短期兴趣学习 | 第22-23页 |
| 3.5 用户模型学习相关技术 | 第23-24页 |
| 3.6 本章小结 | 第24-25页 |
| 4 基于用户行为的日志分析 | 第25-31页 |
| 4.1 Web 日志挖掘技术研究 | 第25-27页 |
| 4.1.1 日志挖掘概述 | 第25-26页 |
| 4.1.2 数据预处理模块 | 第26页 |
| 4.1.3 数据挖掘模块 | 第26-27页 |
| 4.2 可获取的用户反馈行为 | 第27-28页 |
| 4.3 分析日志记录 | 第28-29页 |
| 4.3.1 基于用户的日志分析的分类 | 第28-29页 |
| 4.3.2 当前用户识别 | 第29页 |
| 4.4 博客页面偏好分析 | 第29-30页 |
| 4.5 本章小结 | 第30-31页 |
| 5 基于用户反馈的自适应推荐方法 | 第31-41页 |
| 5.1 贝叶斯信任度修正 | 第31-33页 |
| 5.1.1 贝叶斯信任度修正 | 第31-32页 |
| 5.1.2 预期的信息增益 | 第32-33页 |
| 5.2 用户模型 | 第33-38页 |
| 5.2.1 用户建模 | 第33-35页 |
| 5.2.2 导航记录学习策略 | 第35-36页 |
| 5.2.3 用户模型更新 | 第36-38页 |
| 5.3 启发式推荐方法 | 第38-40页 |
| 5.3.1 启发式推荐方法 | 第38-39页 |
| 5.3.2 有效链接集的形成 | 第39页 |
| 5.3.3 推荐基数调整 | 第39-40页 |
| 5.3.4 用户接口设计 | 第40页 |
| 5.4 本章小结 | 第40-41页 |
| 6 实验设计与分析 | 第41-57页 |
| 6.1 推荐系统实验设计 | 第41-48页 |
| 6.1.1 博客个性化推荐系统总体架构 | 第41-42页 |
| 6.1.2 博客个性化推荐系统功能模块 | 第42页 |
| 6.1.3 界面设计 | 第42-44页 |
| 6.1.4 用户模型模块 | 第44-46页 |
| 6.1.5 推荐功能模块 | 第46-48页 |
| 6.2 实验数据 | 第48-55页 |
| 6.2.1 实验数据来源 | 第48-49页 |
| 6.2.2 抓取程序设计 | 第49-51页 |
| 6.2.3 数据库设计 | 第51-53页 |
| 6.2.4 博客数据训练系统界面设计 | 第53-55页 |
| 6.3 实验分析 | 第55-56页 |
| 6.3.1 启发式推荐方法与阈值设置比较 | 第55页 |
| 6.3.2 推荐基数调整实验 | 第55-56页 |
| 6.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
