| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-13页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·本文的研究内容和方法 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·解决的关键问题和方法 | 第14页 |
| ·本文内容框架 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 个性化推荐算法及系统的研究 | 第15-33页 |
| ·个性化推荐系统的背景 | 第17页 |
| ·个性化推荐的相关技术 | 第17-20页 |
| ·信息检索和信息过滤 | 第18页 |
| ·贝叶斯网络 | 第18页 |
| ·分词和词语频率统计 | 第18页 |
| ·聚类 | 第18页 |
| ·关联规则 | 第18-19页 |
| ·特征及特征抽取 | 第19页 |
| ·协同过滤算法 | 第19-20页 |
| ·基于内容信息的个性化推荐 | 第20页 |
| ·基于协同过滤技术的个性化推荐 | 第20-23页 |
| ·基于用户的协同过滤推荐技术 | 第23-25页 |
| ·基于项目的协同过滤推荐系统 | 第25-26页 |
| ·多种方式结合的个性化推荐 | 第26-27页 |
| ·个性化推荐技术的主要难点 | 第27页 |
| ·SNS社区的个性化推荐技术 | 第27-32页 |
| ·微博用户的个性化推荐 | 第27-30页 |
| ·微博信息的过滤和推荐 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于微博引用及用户特征和分类的个性化推荐算法 | 第33-46页 |
| ·微博用户的特征抽取 | 第33-41页 |
| ·基于微博用户信息及习惯的特征抽取 | 第34-36页 |
| ·基于微博用户引用内容的分类特征的抽取 | 第36-40页 |
| ·相似用户的选取及推荐 | 第40-41页 |
| ·微博个性化推荐的用户集选择 | 第41-43页 |
| ·基于用户关系的用户集选择 | 第42页 |
| ·基于引用分类特征的用户集选取 | 第42-43页 |
| ·生成推荐结果 | 第43页 |
| ·系统模型与架构 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 实验数据与性能分析 | 第46-61页 |
| ·微博舆情系统 | 第46-48页 |
| ·微博舆情系统架构 | 第46页 |
| ·微博数据采集 | 第46-47页 |
| ·微博舆情监控 | 第47-48页 |
| ·实验数据集的选取 | 第48页 |
| ·实验环境 | 第48页 |
| ·实验数据分析 | 第48-58页 |
| ·目标用户的运算用户集的选取 | 第51-54页 |
| ·用户信息及习惯的相似度计算 | 第54页 |
| ·用户引用内容类别的相似度计算 | 第54-55页 |
| ·用户综合相似度的计算 | 第55-56页 |
| ·目标用户推荐用户结果的生成 | 第56页 |
| ·目标用户推荐微博结果的生成 | 第56-57页 |
| ·算法评价方式 | 第57-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·进一步研究方向 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表论文 | 第67页 |