摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-13页 |
1.1 论文的研究背景 | 第9-10页 |
1.2 本文主要研究工作 | 第10-11页 |
1.2.1 情感认知识别和个性能量模型预测 | 第10页 |
1.2.2 基于微博的个性化兴趣发现 | 第10页 |
1.2.3 基于用户内容以及用户能量模型的推荐的探究 | 第10-11页 |
1.3 论文组织结构 | 第11页 |
1.4 整体方法说明 | 第11-13页 |
第2章 相关工作综述 | 第13-19页 |
2.1 情感认知识别和个性能量模型及预测 | 第13-15页 |
2.1.1 基于微博文本的用户情感语义分析 | 第13-14页 |
2.1.2 用户剖像与个性化建模 | 第14页 |
2.1.3 用户个性化能量分析 | 第14-15页 |
2.2 基于微博的个性化兴趣发现 | 第15-17页 |
2.2.1 用户剖像兴趣标签提取 | 第15页 |
2.2.2 LDA模型 | 第15-16页 |
2.2.3 BTM模型 | 第16-17页 |
2.3 基于用户内容以及用户能量模型的推荐 | 第17-18页 |
2.3.1 推荐算法介绍 | 第17-18页 |
2.3.2 Doc2vec算法 | 第18页 |
2.4 本章小结 | 第18-19页 |
第3章 基于情感认知和个性分析构建能量模型及预测 | 第19-31页 |
3.1 前言 | 第19页 |
3.2 基于规则性语义分析的用户情感认知分析模型 | 第19-23页 |
3.2.1 用户情感认知语义分析模型中情感词典的介绍 | 第20-22页 |
3.2.2 情感认知的语义性认知规则算法 | 第22-23页 |
3.3 结合Big-Five心理模型的用户剖像与个性化建模 | 第23-24页 |
3.3.1 Big-Five模型介绍以及分析 | 第23页 |
3.3.2 构建个性Big-Five五大维度统计模型 | 第23-24页 |
3.3.3 个性分析算法 | 第24页 |
3.4 基于情感认知和个性构造能量模型 | 第24-25页 |
3.4.1 基于心理学模型的能量模型定义分析 | 第24-25页 |
3.4.2 用户能量模型 | 第25页 |
3.5 实验与分析 | 第25-29页 |
3.5.1 评价测度 | 第25-26页 |
3.5.2 情感认知数据处理结果以及分析 | 第26-28页 |
3.5.3 用户个性预测结果分析 | 第28页 |
3.5.4 用户模型预测结果以及分析 | 第28-29页 |
3.6 本章小结 | 第29-31页 |
第4章 基于改进LDA的个性化兴趣抽取 | 第31-39页 |
4.1 前言 | 第31页 |
4.2 微博用户文本剖像化处理 | 第31-34页 |
4.2.1 句法 | 第31-32页 |
4.2.2 改进LDA模型 | 第32-33页 |
4.2.3 “词对(biterm)”的生成 | 第33-34页 |
4.3 实验分析 | 第34-38页 |
4.3.1 数据集处理 | 第34-35页 |
4.3.2 评估指标 | 第35页 |
4.3.3 实验结果以及分析 | 第35-38页 |
4.4 本章小结 | 第38-39页 |
第5章 基于用户能量群体兴趣标签模型的推荐 | 第39-47页 |
5.1 前言 | 第39页 |
5.2 基于用户相似文本的用户相似性推荐 | 第39-40页 |
5.2.1 短文本词性处理 | 第39-40页 |
5.2.2 Textrank | 第40页 |
5.3 基于协同过滤推荐算法的推荐潜在用户兴趣模型 | 第40-42页 |
5.3.1 能量群体用户协同过滤算法用户兴趣标签 | 第40页 |
5.3.2 基于内容相似以及协同过滤相似用户的混合推荐算法 | 第40-42页 |
5.4 实验与分析 | 第42-44页 |
5.4.1 数据集 | 第42页 |
5.4.2 数据处理以及评价指标 | 第42页 |
5.4.3 结果以及分析 | 第42-44页 |
5.5 本章小结 | 第44-47页 |
第6章 应用系统实例 | 第47-55页 |
6.1 系统总体设计 | 第47-48页 |
6.2 系统功能模块 | 第48-49页 |
6.3 结果展示 | 第49-53页 |
6.4 本章小结 | 第53-55页 |
结论 | 第55-57页 |
参考文献 | 第57-61页 |
攻读硕士学位期间所发表的论文 | 第61-63页 |
致谢 | 第63页 |