资源自适应个性化新闻推荐系统的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-15页 |
| ·个性化新闻推荐技术的产生 | 第10-13页 |
| ·个性化推荐技术的应用现状 | 第13-15页 |
| ·研究目的及意义 | 第15-16页 |
| ·研究目的 | 第15页 |
| ·研究意义 | 第15-16页 |
| ·本文组织 | 第16-18页 |
| 第2章 个性化推荐系统技术综述 | 第18-29页 |
| ·个性化推荐技术 | 第18-26页 |
| ·基于内容的推荐方法 | 第20-21页 |
| ·协同过滤的推荐方法 | 第21-25页 |
| ·混合推荐方法 | 第25-26页 |
| ·推荐系统的性能挑战 | 第26-28页 |
| ·推荐系统性能压力原因 | 第26-27页 |
| ·研究现状 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 用户建模与兴趣发现 | 第29-41页 |
| ·用户建模概述 | 第29-31页 |
| ·基于加权关键词的隐式多模型用户建模 | 第31-34页 |
| ·数据隐私 | 第31-32页 |
| ·用户信息收集 | 第32-33页 |
| ·用户模型表示 | 第33-34页 |
| ·用户模型的生成与更新 | 第34-38页 |
| ·短期兴趣模型与长期兴趣模型 | 第36-37页 |
| ·长短期兴趣复合模型 | 第37-38页 |
| ·实验分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 资源自适应的新闻推荐算法 | 第41-48页 |
| ·个性化新闻推荐算法 | 第41-42页 |
| ·推荐系统性能优化策略 | 第42-44页 |
| ·基于时间窗口的新闻筛选 | 第42-43页 |
| ·TOP-K文档关键词选取 | 第43页 |
| ·TOP-K用户关键词选取 | 第43-44页 |
| ·资源自适应的推荐系统模型 | 第44-45页 |
| ·新闻推荐系统的突发特性 | 第44页 |
| ·资源自适应推荐模型 | 第44-45页 |
| ·实验及数据分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 EagleNews系统的设计与实现 | 第48-61页 |
| ·EagleNews推荐系统简介 | 第48-50页 |
| ·特点分析 | 第48-49页 |
| ·系统体系结构 | 第49-50页 |
| ·系统整体设计 | 第50-51页 |
| ·通信设计 | 第51-53页 |
| ·各模块设计 | 第53-58页 |
| ·新闻采集模块 | 第53-55页 |
| ·新闻索引模块 | 第55页 |
| ·Web响应模块 | 第55-56页 |
| ·新闻推荐模块 | 第56-58页 |
| ·用户模型更新模块 | 第58页 |
| ·资源自适应模块 | 第58页 |
| ·系统展示 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结和展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·未来研究工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
