摘要 | 第1-4页 |
Abstract | 第4-10页 |
第1章 绪论 | 第10-15页 |
·课题背景与研究内容 | 第10-13页 |
·本文工作及贡献 | 第13页 |
·本文组织 | 第13-14页 |
·本章小结 | 第14-15页 |
第2章 相关工作 | 第15-27页 |
·空间索引和查询 | 第15-16页 |
·传统的音乐推荐方法 | 第16-22页 |
·人口统计过滤 | 第16-17页 |
·基于协同过滤的推荐 | 第17-19页 |
·基于内容的推荐 | 第19-20页 |
·基于上下文的推荐 | 第20-22页 |
·和地理位置有关的音乐推荐方法 | 第22-23页 |
·单词相似度计算 | 第23-25页 |
·潜在语义分析方法(LSA,Latent Semantic Anslysis) | 第23-24页 |
·WordNet::Similarity | 第24页 |
·Disco单词分布式相似度计算 | 第24-25页 |
·主题建模(Topic Modeling) | 第25-26页 |
·本章小结 | 第26-27页 |
第3章 数据模型和问题定义 | 第27-31页 |
·数据模型定义 | 第27-29页 |
·基于地理位置的音乐推荐 | 第29页 |
·本章小结 | 第29-31页 |
第4章 系统结构和推荐流程 | 第31-40页 |
·系统结构 | 第31-35页 |
·服务器和浏览器前端通信模块 | 第32页 |
·数据抓取模块 | 第32-33页 |
·索引模块 | 第33页 |
·单词转换模块 | 第33页 |
·标签分词模块 | 第33-34页 |
·音乐查询模块 | 第34页 |
·标签云生成模块 | 第34页 |
·览器照片显示模块 | 第34-35页 |
·音乐推荐流程 | 第35-39页 |
·本章小结 | 第39-40页 |
第5章 单词相似度计算 | 第40-59页 |
·单词相似度计算的重要性 | 第40-43页 |
·词汇搭配(Collocation) | 第43-46页 |
·词汇搭配 | 第43-44页 |
·词汇搭配的提取 | 第44-46页 |
·基于单词依赖三元组的单词相似度计算 | 第46-48页 |
·优化方法 | 第48-52页 |
·单词特征提取 | 第49-50页 |
·单词相似度计算 | 第50-52页 |
·优化方法实现 | 第52-57页 |
·基于Apache Lucene全文检索引擎的实现版本 | 第53-54页 |
·常驻内存的实现版本 | 第54-55页 |
·基于多核并行计算的实现版本 | 第55-57页 |
·照片单词集转换 | 第57-58页 |
·本章小结 | 第58-59页 |
第6章 推荐算法 | 第59-70页 |
·基于地理主题模型的推荐算法概述 | 第59-61页 |
·照片生成模型 | 第61-67页 |
·模型参数估计 | 第63-66页 |
·模型参数估计复杂度 | 第66-67页 |
·推荐算法 | 第67-69页 |
·算法描述 | 第67-68页 |
·复杂度分析 | 第68-69页 |
·本章小结 | 第69-70页 |
第7章 实验结果 | 第70-87页 |
·实验环境和设置 | 第70页 |
·原型Demo展示 | 第70-71页 |
·实验数据获取 | 第71-77页 |
·照片元数据的获取 | 第72-74页 |
·音乐元数据的获取 | 第74-75页 |
·音乐内容数据的获取 | 第75-76页 |
·英文维基百科文档数据的获取 | 第76-77页 |
·二阶单词相似度矩阵计算三种方法性能测试 | 第77-79页 |
·不同方法计算时间比较 | 第77-78页 |
·不同方法占用内存比较 | 第78页 |
·内存使用量对多核并行计算方法执行效率的影响 | 第78-79页 |
·二阶单词相似度矩阵效果测试 | 第79-82页 |
·地理主题模型参数预计算测试 | 第82-85页 |
·照片数量D的影响 | 第83-84页 |
·不同主题数量K的影响 | 第84-85页 |
·区域数量N的影响 | 第85页 |
·本章小结 | 第85-87页 |
第8章 总结和展望 | 第87-89页 |
·本文主要工作和贡献 | 第87-88页 |
·未来研究工作展望 | 第88-89页 |
参考文献 | 第89-92页 |
攻读硕士学位期间主要的研究成果 | 第92-93页 |
致谢 | 第93页 |