基于本体的股票新闻推荐方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 推荐系统研究现状 | 第11-12页 |
| 1.2.2 本体的研究现状 | 第12-13页 |
| 1.2.3 基于本体的推荐研究 | 第13页 |
| 1.3 本文主要研究内容和方法 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 相关技术原理 | 第16-25页 |
| 2.1 推荐系统概述 | 第16-21页 |
| 2.1.1 基于规则的推荐 | 第16页 |
| 2.1.2 基于内容的推荐 | 第16-17页 |
| 2.1.3 协同过滤推荐 | 第17-20页 |
| 2.1.4 混合推荐 | 第20-21页 |
| 2.2 本体理论 | 第21-23页 |
| 2.2.1 本体的基本概念及分类 | 第21-22页 |
| 2.2.2 领域本体 | 第22-23页 |
| 2.2.3 本体构建工具 | 第23页 |
| 2.3 语义相关度理论 | 第23-24页 |
| 2.3.1 语义相关度概述 | 第24页 |
| 2.3.2 语义相关度的评估方法 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 金融领域本体构建 | 第25-35页 |
| 3.1 常用领域本体构建方法 | 第25-28页 |
| 3.1.1 构建原则 | 第25-26页 |
| 3.1.2 领域本体构建方法 | 第26-28页 |
| 3.2 股票领域本体需求分析 | 第28-32页 |
| 3.3 获取领域本体知识 | 第32-33页 |
| 3.4 本体知识的填充 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于本体的概念相关度计算 | 第35-43页 |
| 4.1 概念相似度计算 | 第35-39页 |
| 4.1.1 现有相似度计算方法 | 第35-37页 |
| 4.1.2 概念相似度算法 | 第37-39页 |
| 4.2 概念关联度计算 | 第39-40页 |
| 4.3 相关度计算 | 第40页 |
| 4.4 实验结果及分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于本体的股票新闻推荐 | 第43-51页 |
| 5.1 新闻模型 | 第43-44页 |
| 5.2 用户兴趣模型 | 第44-47页 |
| 5.2.1 用户兴趣来源 | 第44-45页 |
| 5.2.2 用户兴趣模型表示方法 | 第45-47页 |
| 5.3 推荐算法 | 第47-50页 |
| 5.3.1 基于历史浏览记录的推荐 | 第47-49页 |
| 5.3.2 基于用户兴趣概念的推荐 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 新闻推荐实验 | 第51-59页 |
| 6.1 实验设计目标 | 第51页 |
| 6.2 数据集 | 第51-53页 |
| 6.2.1 新闻数据集 | 第51-52页 |
| 6.2.2 用户历史浏览记录集 | 第52-53页 |
| 6.3 基于用户兴趣标签的新闻推荐实验 | 第53-54页 |
| 6.3.1 实验目的及方案 | 第53-54页 |
| 6.3.2 实验结果与分析 | 第54页 |
| 6.4 基于用户历史浏览记录的新闻推荐实验 | 第54-58页 |
| 6.4.1 实验设计 | 第54-55页 |
| 6.4.2 评测指标 | 第55页 |
| 6.4.3 实验分析 | 第55-58页 |
| 6.5 本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 7.1 总结 | 第59页 |
| 7.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
