社会化标注系统中基于LDA主题模型的标签推荐研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 社会标注研究现状 | 第14-16页 |
| 1.2.2 个性化推荐研究现状 | 第16-17页 |
| 1.2.3 标签推荐研究现状 | 第17-18页 |
| 1.2.4 LDA主题模型研究现状 | 第18-19页 |
| 1.3 研究内容与方法 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究方法 | 第20-21页 |
| 1.4 创新点 | 第21-22页 |
| 2 相关理论基础 | 第22-32页 |
| 2.1 社会标注系统 | 第22-26页 |
| 2.1.1 社会标注 | 第22-23页 |
| 2.1.2 社会标注系统及其要素 | 第23-25页 |
| 2.1.3 社会标注系统的应用 | 第25-26页 |
| 2.1.4 社会标注系统中标签推荐原理 | 第26页 |
| 2.2 个性化推荐算法 | 第26-29页 |
| 2.2.1 基于内容的推荐 | 第27页 |
| 2.2.2 协同过滤 | 第27-29页 |
| 2.2.3 混合推荐 | 第29页 |
| 2.3 信任机制 | 第29-31页 |
| 2.3.1 信任及其性质 | 第29-30页 |
| 2.3.2 信任分类 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 社会标注系统中标签推荐的关键技术 | 第32-38页 |
| 3.1 主题模型技术 | 第32-35页 |
| 3.1.1 隐性语义索引模型 | 第32-33页 |
| 3.1.2 概率隐性语义索引模型 | 第33-34页 |
| 3.1.3 隐含狄利克雷分配 | 第34-35页 |
| 3.2 基于LDA的相似度计算 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 社会标注系统中标签推荐模型构建 | 第38-51页 |
| 4.1 标签混合推荐模型架构 | 第38-39页 |
| 4.2 基于内容的标签推荐 | 第39-41页 |
| 4.2.1 特征词选取 | 第40页 |
| 4.2.2 生成推荐标签 | 第40-41页 |
| 4.3 基于相似资源的标签推荐 | 第41-44页 |
| 4.3.1 资源-主题概率矩阵构建 | 第42-43页 |
| 4.3.2 资源相似度计算 | 第43-44页 |
| 4.3.3 生成推荐标签 | 第44页 |
| 4.4 基于相似用户的标签推荐 | 第44-49页 |
| 4.4.1 用户-主题概率矩阵构建 | 第45-46页 |
| 4.4.2 用户相似度计算 | 第46页 |
| 4.4.3 用户信任度计算 | 第46-48页 |
| 4.4.4 相似度与信任度整合 | 第48-49页 |
| 4.4.5 生成推荐标签 | 第49页 |
| 4.5 标签混合推荐 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 标签推荐实证分析 | 第51-64页 |
| 5.1 实验数据 | 第51-55页 |
| 5.1.1 数据收集 | 第51-53页 |
| 5.1.2 数据预处理 | 第53-55页 |
| 5.2 基于内容的标签推荐 | 第55-56页 |
| 5.3 基于相似资源的标签推荐 | 第56-58页 |
| 5.4 基于相似用户的标签推荐 | 第58-60页 |
| 5.5 混合推荐结果 | 第60-61页 |
| 5.6 实验结果分析 | 第61-63页 |
| 5.7 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 研究总结 | 第64页 |
| 6.2 不足与展望 | 第64-66页 |
| 参考文献 | 第66-73页 |
| 在读期间发表的论文科研成果等 | 第73-74页 |
| 致谢 | 第74页 |
