一种基于多级筛选的创新知识推荐模型研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文主要组织结构 | 第13-14页 |
| 第二章 相关理论 | 第14-22页 |
| 2.1 TRIZ概述 | 第14-15页 |
| 2.1.1 TRIZ的定义 | 第14页 |
| 2.1.2 TRIZ的理论体系 | 第14-15页 |
| 2.2 数据挖掘与Web挖掘 | 第15-16页 |
| 2.2.1 数据挖掘概述 | 第15-16页 |
| 2.2.2 Web挖掘的概述 | 第16页 |
| 2.3 Web日志挖掘 | 第16-20页 |
| 2.3.1 Web日志挖掘过程 | 第17页 |
| 2.3.2 Web日志预处理 | 第17-19页 |
| 2.3.3 Web日志挖掘的应用 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 基于创新主题聚类的知识推荐 | 第22-38页 |
| 3.1 构建创新主题模型 | 第22-24页 |
| 3.1.1 创新问题主题的定义 | 第22-23页 |
| 3.1.2 创新主题模型构建 | 第23-24页 |
| 3.2 聚类分析 | 第24-25页 |
| 3.2.1 聚类分析简介 | 第24页 |
| 3.2.2 聚类算法的主要分类 | 第24-25页 |
| 3.3 传递闭包模糊聚类方法 | 第25-27页 |
| 3.3.1 模糊聚类 | 第25页 |
| 3.3.2 传递闭包的基本概念 | 第25-26页 |
| 3.3.3 传递闭包算法实现 | 第26-27页 |
| 3.4 基于《同义词词林》的语义相似度 | 第27-29页 |
| 3.4.1 《同义词词林》 | 第27-28页 |
| 3.4.2 义项相似度计算 | 第28-29页 |
| 3.5 基于创新主题聚类的知识推荐 | 第29-36页 |
| 3.5.1 推荐流程 | 第29-31页 |
| 3.5.2 数据准备 | 第31页 |
| 3.5.3 计算创新问题主题相似度 | 第31-32页 |
| 3.5.4 建立模糊相似矩阵 | 第32页 |
| 3.5.5 求模糊相似矩阵的传递闭包 | 第32-33页 |
| 3.5.6 聚类结果 | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于Web日志的关联规则挖掘 | 第38-50页 |
| 4.1 关联规则挖掘 | 第38-39页 |
| 4.1.1 关联规则的定义 | 第38-39页 |
| 4.1.2 关联规则挖掘过程 | 第39页 |
| 4.2 Apriori算法 | 第39-42页 |
| 4.2.1 Apriori算法概述 | 第39-42页 |
| 4.2.2 Apriori算法的缺陷 | 第42页 |
| 4.3 R_apriori算法 | 第42-44页 |
| 4.4 基于Web日志的关联规则挖掘 | 第44-47页 |
| 4.4.1 数据准备 | 第44-45页 |
| 4.4.2 日志数据预处理 | 第45-46页 |
| 4.4.3 发现关联规则构建知识关联规则库 | 第46-47页 |
| 4.4.4 算法性能分析 | 第47页 |
| 4.5 本章小结 | 第47-50页 |
| 第五章 基于多级筛选的创新知识推荐模型 | 第50-60页 |
| 5.1 多级筛选推荐原理流程 | 第50-51页 |
| 5.2 推荐模型设计 | 第51-52页 |
| 5.3 推荐算法实现 | 第52页 |
| 5.4 实验过程与结果分析 | 第52-59页 |
| 5.4.1 实验环境 | 第52-53页 |
| 5.4.2 推荐模型架构 | 第53-54页 |
| 5.4.3 实验步骤 | 第54-57页 |
| 5.4.4 实验评估 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间所取得的相关科研成果 | 第66-68页 |
| 致谢 | 第68-69页 |
