摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 个性化推荐算法的起源 | 第9页 |
1.1.2 电子文献推荐算法的研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 社区发现算法 | 第10-12页 |
1.2.2 个性化推荐算法 | 第12-14页 |
1.3 本文的主要研究内容 | 第14-15页 |
1.4 本文的组织结构 | 第15-16页 |
第二章 相关理论 | 第16-23页 |
2.1 科研论文合著网络 | 第16-17页 |
2.1.1 合著网络的定义 | 第16页 |
2.1.2 合著关系的描述 | 第16-17页 |
2.1.3 科研合著网络的合理性及研究意义 | 第17页 |
2.2 复杂网络分析软件Pajek | 第17-20页 |
2.2.1 Pajek软件的产生 | 第17-18页 |
2.2.2 Pajek的特点 | 第18-19页 |
2.2.3 Pajek的数据格式 | 第19-20页 |
2.3 本文的推荐算法评价指标 | 第20-22页 |
2.4 本章小结 | 第22-23页 |
第三章 科研社区发现算法的设计 | 第23-30页 |
3.1 引言 | 第23页 |
3.2 节点与社区的连接度 | 第23页 |
3.3 模块度函数 | 第23-25页 |
3.4 社区发现的经典算法GN算法 | 第25-26页 |
3.4.1 GN算法描述 | 第25页 |
3.4.2 GN算法执行流程 | 第25-26页 |
3.5 科研社区发现算法 | 第26-29页 |
3.5.1 科研社区发现算法描述 | 第26-28页 |
3.5.2 科研社区发现算法执行流程 | 第28-29页 |
3.6 本章小结 | 第29-30页 |
第四章 电子文献推荐算法的设计 | 第30-52页 |
4.1 需求分析 | 第30页 |
4.2 数据库的设计 | 第30-33页 |
4.3 数据来源 | 第33-36页 |
4.3.1 网络爬虫 | 第33-35页 |
4.3.2 论文元数据提取 | 第35-36页 |
4.4 科研用户兴趣模型模块 | 第36-43页 |
4.4.1 兴趣模型的数据源 | 第37页 |
4.4.2 数据源的组成成分 | 第37-38页 |
4.4.3 论文抓取 | 第38页 |
4.4.4 论文加工 | 第38-39页 |
4.4.5 科研用户兴趣建模 | 第39-43页 |
4.5 待推荐文献资源模型模块 | 第43-46页 |
4.5.1 待推荐文献资源模型的数据源 | 第44页 |
4.5.2 待推荐文献资源模型的组成成分 | 第44页 |
4.5.3 论文抓取 | 第44页 |
4.5.4 论文加工 | 第44页 |
4.5.5 待推荐文献资源建模 | 第44-46页 |
4.6 电子文献推送模块 | 第46-48页 |
4.7 用户兴趣模型和待推荐文献资源模型的反馈更新 | 第48-49页 |
4.8 算法总体设计 | 第49-51页 |
4.8.1 算法描述 | 第49页 |
4.8.2 本文的算法执行流程 | 第49-51页 |
4.9 本章小结 | 第51-52页 |
第五章 算法实验验证及结果分析 | 第52-67页 |
5.1 GN算法与科研社区发现算法的性能对比分析 | 第52-55页 |
5.1.1 测试数据集 | 第52页 |
5.1.2 实验过程和结果 | 第52-55页 |
5.2 本文的科研社区发现算法实验 | 第55-59页 |
5.2.1 实验内容 | 第55-57页 |
5.2.2 实验结果 | 第57-59页 |
5.2.3 实验结果分析 | 第59页 |
5.3 本文的个性化电子文献推荐算法实验 | 第59-66页 |
5.3.1 实验内容 | 第59-62页 |
5.3.2 实验结果 | 第62-64页 |
5.3.3 实验结果分析 | 第64-66页 |
5.4 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-68页 |
6.1 研究总结 | 第67页 |
6.1.1 本论文的创新之处 | 第67页 |
6.1.2 本论文的不足之处 | 第67页 |
6.2 研究展望 | 第67-68页 |
参考文献 | 第68-71页 |
在校研究成果 | 第71-72页 |
致谢 | 第72页 |