| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 热度值研究现状 | 第11-12页 |
| 1.2.2 推荐系统研究现状 | 第12页 |
| 1.2.3 目前研究中存在的问题 | 第12-13页 |
| 1.3 本文的主要创新点 | 第13-14页 |
| 1.4 本文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论 | 第15-21页 |
| 2.1 推荐算法及其分类 | 第15-17页 |
| 2.1.1 基于内容的推荐算法 | 第15页 |
| 2.1.2 基于关联规则的推荐算法 | 第15-16页 |
| 2.1.3 基于效用的推荐算法 | 第16页 |
| 2.1.4 基于知识的推荐算法 | 第16页 |
| 2.1.5 组合推荐算法 | 第16-17页 |
| 2.2 协同过滤推荐算法 | 第17-18页 |
| 2.3 人工蜂群算法 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于特定用户角色的微博热度值计算方法 | 第21-33页 |
| 3.1 相关工作 | 第21-22页 |
| 3.2 热度值计算方法 | 第22-24页 |
| 3.2.1 相关定义 | 第22页 |
| 3.2.2 已有热度值计算方法 | 第22-23页 |
| 3.2.3 基于特定用户角色的热度值计算方法(PUR-METHOD) | 第23-24页 |
| 3.3 PUR-METHOD在热点话题发现中的应用 | 第24-27页 |
| 3.3.1 数据预处理 | 第24-26页 |
| 3.3.2 热度值计算公式的应用 | 第26-27页 |
| 3.4 实验 | 第27-31页 |
| 3.4.1 实验数据及评价方法 | 第27-28页 |
| 3.4.2 实验流程 | 第28页 |
| 3.4.3 实验结果分析 | 第28-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 融合人工蜂群的微博话题推荐算法 | 第33-41页 |
| 4.1 相关研究 | 第33-34页 |
| 4.2 话题推荐模型构建 | 第34-35页 |
| 4.3 融合人工蜂群的微博话题推荐算法 | 第35-37页 |
| 4.3.1 适应度函数构建 | 第35-36页 |
| 4.3.2 ABC-TR算法 | 第36-37页 |
| 4.4 实验与分析 | 第37-40页 |
| 4.4.1 实验数据 | 第37-38页 |
| 4.4.2 评价指标 | 第38页 |
| 4.4.3 实验结果分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 微博话题推荐原型系统的设计与实现 | 第41-45页 |
| 5.1 系统设计原理 | 第41页 |
| 5.2 系统设计方案 | 第41-42页 |
| 5.3 系统功能展示 | 第42-43页 |
| 5.3.1 主界面 | 第42-43页 |
| 5.3.2 话题推荐界面 | 第43页 |
| 5.4 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 论文总结 | 第45-46页 |
| 6.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻硕期间发表论文及科研成果 | 第51-53页 |
| 致谢 | 第53页 |