| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第11-13页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 本文工作 | 第12-13页 |
| 第二章 相关工作 | 第13-21页 |
| 2.1 推荐系统 | 第13-14页 |
| 2.1.1 协同推荐 | 第14页 |
| 2.1.2 基于内容的推荐 | 第14页 |
| 2.2 文本主题建模 | 第14-18页 |
| 2.2.1 隐含主题分析 | 第16-18页 |
| 2.3 短文本主题建模 | 第18-21页 |
| 第三章 短文本推荐系统的抽象模型 | 第21-23页 |
| 第四章 基于用户聚合的双词主题模型 | 第23-37页 |
| 4.1 概述 | 第23-26页 |
| 4.1.1 Latent Dirichlet Allocation | 第23-25页 |
| 4.1.2 双词模型 | 第25-26页 |
| 4.2 User Biterm Topic Model | 第26-28页 |
| 4.2.1 模型描述 | 第26-27页 |
| 4.2.2 模型比较 | 第27-28页 |
| 4.3 参数学习 | 第28-30页 |
| 4.3.1 Gibbs采样法 | 第28-30页 |
| 4.4 短文本主题分布推断 | 第30页 |
| 4.5 实验与分析 | 第30-37页 |
| 4.5.1 实验数据 | 第31页 |
| 4.5.2 数据预处理 | 第31-33页 |
| 4.5.3 实验评价方式 | 第33-34页 |
| 4.5.4 主题质量评估 | 第34-37页 |
| 第五章 基于用户聚合的双词主题模型的短文本推荐系统 | 第37-43页 |
| 5.1 短文本推荐系统简述 | 第37页 |
| 5.2 阶段一：主题分析 | 第37-38页 |
| 5.3 阶段二：推荐候选 | 第38-39页 |
| 5.4 阶段三：相似度计算 | 第39-40页 |
| 5.4.1 相似度算法的选择 | 第39-40页 |
| 5.5 实验分析 | 第40-43页 |
| 5.5.1 实验配置 | 第40-41页 |
| 5.5.2 转发预测 | 第41-43页 |
| 第六章 微博推荐系统实现 | 第43-49页 |
| 6.1 系统介绍 | 第43-45页 |
| 6.1.1 数据来源 | 第43页 |
| 6.1.2 系统框架与技术细节 | 第43-45页 |
| 6.2 系统演示 | 第45-49页 |
| 6.2.1 登陆 | 第45页 |
| 6.2.2 首页 | 第45-47页 |
| 6.2.3 用户微博列表 | 第47页 |
| 6.2.4 发送微博 | 第47-48页 |
| 6.2.5 转发微博 | 第48-49页 |
| 第七章 结论 | 第49-51页 |
| 7.1 论文工作总结 | 第49-50页 |
| 7.2 进一步工作 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 简历与科研成果 | 第58-59页 |
