基于标签特征空间的微博用户兴趣建模研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 2 相关理论与技术 | 第17-22页 |
| 2.1 文本信息挖掘技术 | 第17-19页 |
| 2.1.1 文本表示模型 | 第17-18页 |
| 2.1.2 文本特征权重计算方法 | 第18-19页 |
| 2.1.3 文本相似度计算 | 第19页 |
| 2.2 信息论中的共享熵 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于多标签语义关联关系的用户兴趣表示 | 第22-34页 |
| 3.1 标签对语义关联关系 | 第23-27页 |
| 3.1.1 标签对内联关系 | 第23-24页 |
| 3.1.2 标签对外联关系 | 第24-26页 |
| 3.1.2.1 共享熵 | 第24-25页 |
| 3.1.2.2 外联关系 | 第25-26页 |
| 3.1.3 标签对语义关联关系矩阵 | 第26-27页 |
| 3.2 标签-标签代表元矩阵 | 第27-28页 |
| 3.3 更新后用户-标签矩阵 | 第28-29页 |
| 3.4 用户兴趣表示方法描述 | 第29页 |
| 3.5 实验结果与性能分析 | 第29-33页 |
| 3.5.1 实验数据与评价指标 | 第29-30页 |
| 3.5.2 实验结果与分析 | 第30-33页 |
| 3.5.2.1 参数设置对兴趣模型的影响 | 第31-32页 |
| 3.5.2.2 算法性能对比 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 4 融合用户关系的标签特征空间的用户兴趣表示 | 第34-42页 |
| 4.1 用户社交相似性分析 | 第34-38页 |
| 4.1.1 用户动态兴趣相似度 | 第34-35页 |
| 4.1.2 用户静态兴趣相似度 | 第35-37页 |
| 4.1.3 构建用户社交相似性矩阵 | 第37-38页 |
| 4.2 融合用户关系的标签特征空间 | 第38页 |
| 4.2.1 构建标签特征空间 | 第38页 |
| 4.2.2 用户兴趣表示方法描述 | 第38页 |
| 4.3 实验结果与性能分析 | 第38-41页 |
| 4.3.1 数据描述与评价指标 | 第38-39页 |
| 4.3.2 实验结果与分析 | 第39-41页 |
| 4.3.2.1 参数设置对兴趣模型的影响 | 第40页 |
| 4.3.2.2 算法性能对比 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42-43页 |
| 5.2 展望 | 第43-44页 |
| 6 参考文献 | 第44-48页 |
| 7 攻读硕士学位期间发表的论文 | 第48-49页 |
| 致谢 | 第49页 |
