| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12页 |
| 1.2 国内外研究综述 | 第12-17页 |
| 1.2.1 基于用户兴趣的个性化建模研究 | 第13-15页 |
| 1.2.2 用户兴趣演化研究 | 第15-16页 |
| 1.2.3 研究述评 | 第16-17页 |
| 1.3 研究意义 | 第17页 |
| 1.3.1 理论意义 | 第17页 |
| 1.3.2 实践意义 | 第17页 |
| 1.4 研究内容和方法 | 第17-19页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 研究内容 | 第18-19页 |
| 1.5 本文的创新点 | 第19页 |
| 1.6 技术路线 | 第19-20页 |
| 第二章 社交网络下的用户兴趣分析及数据耕耘运行步骤 | 第20-30页 |
| 2.1 社交网络中的用户兴趣演化分析 | 第20-24页 |
| 2.1.1 基于社交网络结构特征的用户兴趣演化分析 | 第20-21页 |
| 2.1.2 基于社交网络功能特征的用户兴趣演化分析 | 第21-22页 |
| 2.1.3 社交网络中的用户类型及其兴趣分析 | 第22-24页 |
| 2.2 社交网络中的数据耕耘定义 | 第24-29页 |
| 2.2.1 数据耕耘机理及其特征分析 | 第24-27页 |
| 2.2.2 社交网络视角下基于兴趣演化的数据耕耘运行步骤 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 数据耕耘理念下的用户兴趣演化实验构建 | 第30-41页 |
| 3.1 基于数据耕耘的用户兴趣获取和建模 | 第30-34页 |
| 3.1.1 用户兴趣获取和建模的原则 | 第30页 |
| 3.1.2 用户兴趣获取和建模的途径和方法 | 第30-34页 |
| 3.2 社交网络下基于数据耕耘的用户兴趣演化仿真实验框架 | 第34-37页 |
| 3.2.1 仿真想定建立循环运行步骤 | 第34-35页 |
| 3.2.2 仿真想定优化循环运行步骤 | 第35-36页 |
| 3.2.3 社交网络下基于多Agent的用户兴趣想定构造 | 第36-37页 |
| 3.3 基于多Agent方法的用户兴趣变量空间构建 | 第37-40页 |
| 3.3.1 用户客观情境下的用户兴趣Agent定义 | 第37-38页 |
| 3.3.2 用户主观情境下的用户兴趣Agent定义 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 想定运行与优化中的用户兴趣演化推理机制 | 第41-54页 |
| 4.1 基于用户客观情境的兴趣演化推理过程实现 | 第41-47页 |
| 4.1.1 高斯混合模型 | 第41-42页 |
| 4.1.2 EM算法求解模型参数过程 | 第42-45页 |
| 4.1.3 基于主成分分析的高斯混合模型算法 | 第45-47页 |
| 4.2 基于用户主观情境的兴趣演化推理过程实现 | 第47-52页 |
| 4.2.1 用户兴趣的知识关联架构 | 第47-48页 |
| 4.2.2 用户兴趣的知识组织过程 | 第48-49页 |
| 4.2.3 用户兴趣的知识多粒度词簇生成 | 第49-51页 |
| 4.2.4 基于知识连接的用户兴趣演化推理 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 实证分析-以新浪微博为例 | 第54-67页 |
| 5.1 数据采集 | 第54-55页 |
| 5.2 实验过程 | 第55-65页 |
| 5.2.1 基于用户客观情境的演化实验 | 第55-61页 |
| 5.2.2 基于用户主观情境的演化实验 | 第61-65页 |
| 5.3 实验结果及分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 研究总结 | 第67-68页 |
| 研究不足 | 第68页 |
| 研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-75页 |
| 附件 | 第75页 |
