| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究内容及主要工作 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 完成的工作 | 第17页 |
| 1.4 本文的组织 | 第17-18页 |
| 第2章 推荐系统相关理论综述 | 第18-28页 |
| 2.1 推荐系统概述 | 第18-20页 |
| 2.2 传统推荐算法 | 第20-23页 |
| 2.2.1 协同过滤推荐算法 | 第20-21页 |
| 2.2.2 基于内容的推荐算法 | 第21-23页 |
| 2.2.3 混合推荐算法 | 第23页 |
| 2.3 基于模型的推荐算法 | 第23-26页 |
| 2.3.1 基于矩阵分解模型的推荐算法 | 第23-26页 |
| 2.4 ROCCHIO反馈算法 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 第3章 基于矩阵分解的个性化推荐 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 用户建模 | 第28-34页 |
| 3.2.1 微博特点分析 | 第28-30页 |
| 3.2.2 用户预处理 | 第30-31页 |
| 3.2.3 微博爬虫系统 | 第31-32页 |
| 3.2.4 微博短文本处理 | 第32-33页 |
| 3.2.5 用户配置文件 | 第33-34页 |
| 3.3 混合预测模型 | 第34-38页 |
| 3.3.1 评分函数 | 第34-35页 |
| 3.3.2 模型设计 | 第35-36页 |
| 3.3.3 模型参数学习 | 第36-38页 |
| 3.4 实验设计 | 第38-41页 |
| 3.4.1 数据集 | 第38页 |
| 3.4.2 评分指标 | 第38页 |
| 3.4.3 实验过程和结果 | 第38-41页 |
| 3.5 小结 | 第41-42页 |
| 第4章 基于正负反馈的矩阵分解模型 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 向量空间模型 | 第42-45页 |
| 4.2.1 用户配置文件的向量化模型 | 第42-44页 |
| 4.2.2 计算文件相似度 | 第44页 |
| 4.2.3 基于内容的推荐实现 | 第44-45页 |
| 4.3 基于正负反馈的矩阵分解模型 | 第45-49页 |
| 4.3.1 获取用户正负反馈数据 | 第45-47页 |
| 4.3.2 基于Rocchio算法的增量式用户建模 | 第47-48页 |
| 4.3.3 基于正负反馈的矩阵分解模型 | 第48-49页 |
| 4.4 实验设计 | 第49-51页 |
| 4.4.1 实验过程 | 第49-50页 |
| 4.4.2 实验结果 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第58-59页 |
| 致谢 | 第59页 |