个性化推荐系统用户兴趣建模研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文主要工作 | 第11-15页 |
| ·个性化推荐系统 | 第12-15页 |
| ·用户建模概述 | 第15页 |
| ·项目背景 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 相关基础工作 | 第17-32页 |
| ·用户数据收集 | 第17-19页 |
| ·显式反馈 | 第17-18页 |
| ·隐式反馈 | 第18-19页 |
| ·用户模型的表示 | 第19-21页 |
| ·基于关键词的向量空间模型 | 第19-20页 |
| ·概率主题模型 | 第20-21页 |
| ·用户模型的学习 | 第21-29页 |
| ·TF-IDF学习法 | 第21-25页 |
| ·特征项抽取 | 第21-24页 |
| ·特征权重的计算 | 第24-25页 |
| ·用户建模中常用的机器学习算法 | 第25-29页 |
| ·分类算法 | 第25-27页 |
| ·聚类算法 | 第27-29页 |
| ·用户模型的更新 | 第29页 |
| ·个性化推荐系统基本算法 | 第29-30页 |
| ·基于内容的推荐算法 | 第29页 |
| ·协同过滤的推荐算法 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 智能推荐引擎的设计 | 第32-42页 |
| ·视频和文档推荐引擎场景设计 | 第32-37页 |
| ·工作流程 | 第32-34页 |
| ·数据库设计 | 第34页 |
| ·交互流程 | 第34-36页 |
| ·用户新浪微博文本分析 | 第36页 |
| ·用户行为数据推荐 | 第36-37页 |
| ·业务组件推荐场景设计 | 第37-41页 |
| ·业务组件 | 第37-39页 |
| ·业务组件的推荐 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 智能推荐引擎的实现 | 第42-52页 |
| ·用户新浪微博兴趣分析 | 第42-46页 |
| ·用户行为数据推荐 | 第46-50页 |
| ·项目中的实现 | 第46-47页 |
| ·性能仿真验证 | 第47-50页 |
| ·业务组合推荐 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第五章 关于用户兴趣分布模式度量方法的研究 | 第52-63页 |
| ·洛伦茨曲线和基尼系数 | 第53-54页 |
| ·基于基尼系数的用户兴趣分布模式度量 | 第54-62页 |
| ·用户兴趣建模 | 第54页 |
| ·用户兴趣分布模式的基尼系数计算 | 第54-59页 |
| ·实验结果及分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-70页 |
| 硕士期间发表或已录用的学术论文 | 第70页 |
