面向社会媒体的用户推荐方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 传统推荐方法 | 第11-12页 |
| 1.2.2 用户推荐方法 | 第12-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究思路 | 第14-15页 |
| 1.4 论文组织与结构 | 第15-18页 |
| 第2章 相关技术及研究 | 第18-28页 |
| 2.1 社会媒体综述 | 第18-19页 |
| 2.2 社会媒体的网络结构特征 | 第19-21页 |
| 2.3 转发关系研究 | 第21页 |
| 2.4 用户推荐方法研究 | 第21-22页 |
| 2.5 主题模型 | 第22-26页 |
| 2.5.1 LDA主题模型 | 第23-25页 |
| 2.5.2 HDP非参数主题模型 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 面向社会媒体的用户推荐方法研究 | 第28-48页 |
| 3.1 引言 | 第28-29页 |
| 3.2 相关概念及问题描述 | 第29-33页 |
| 3.2.1 相关概念和术语 | 第29-32页 |
| 3.2.2 问题描述 | 第32-33页 |
| 3.3 面向社会媒体的用户推荐方法 | 第33-34页 |
| 3.4 用户候选集合构建方法 | 第34-38页 |
| 3.5 用户兴趣抽取方法 | 第38-44页 |
| 3.5.1 基本思想 | 第38-42页 |
| 3.5.2 用户兴趣抽取方法步骤 | 第42-44页 |
| 3.6 Top-k用户排序方法 | 第44-45页 |
| 3.6.1 相似度计算方法 | 第44页 |
| 3.6.2 Top-k用户排序方法步骤 | 第44-45页 |
| 3.7 算法讨论与分析 | 第45-47页 |
| 3.8 本章小结 | 第47-48页 |
| 第4章 实验与结果分析 | 第48-60页 |
| 4.1 实验数据 | 第48-50页 |
| 4.1.1 数据集 | 第48-49页 |
| 4.1.2 数据格式 | 第49-50页 |
| 4.1.3 数据预处理 | 第50页 |
| 4.2 评价指标 | 第50-51页 |
| 4.3 实验设计 | 第51页 |
| 4.4 实验结果及其分析 | 第51-58页 |
| 4.4.1 用户兴趣分布获取实验结果 | 第51-55页 |
| 4.4.2 参数变化实验结果 | 第55页 |
| 4.4.3 用户推荐实验结果 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
