主题模型在论文推荐系统中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 主题模型的国内外研究现状 | 第11-12页 |
| 1.2.2 论文推荐系统的国内外研究现状 | 第12-13页 |
| 1.3 存在的主要问题 | 第13页 |
| 1.4 研究内容及组织结构 | 第13-15页 |
| 第2章 主题模型相关理论 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 向量空间模型 | 第15-16页 |
| 2.3 主题模型 | 第16-21页 |
| 2.3.1 LSI 模型简介 | 第16-17页 |
| 2.3.2 pLSI 模型简介 | 第17-19页 |
| 2.3.3 LDA 模型 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 推荐系统理论综述 | 第22-34页 |
| 3.1 推荐方法简介 | 第22-29页 |
| 3.1.1 基于人口统计学的推荐 | 第23-24页 |
| 3.1.2 基于内容的推荐 | 第24页 |
| 3.1.3 基于协同过滤的推荐 | 第24-27页 |
| 3.1.4 基于关联规则的推荐 | 第27-28页 |
| 3.1.5 混合推荐 | 第28-29页 |
| 3.2 推荐系统的评测指标 | 第29-33页 |
| 3.2.1 准确率 | 第29-31页 |
| 3.2.2 覆盖率 | 第31-32页 |
| 3.2.3 多样性 | 第32页 |
| 3.2.4 新颖度和惊喜度 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 主题模型论文推荐系统设计 | 第34-43页 |
| 4.1 数据预处理 | 第34-36页 |
| 4.1.1 实验数据介绍 | 第34页 |
| 4.1.2 过滤词项 | 第34-35页 |
| 4.1.3 论文特征提取 | 第35-36页 |
| 4.2 主题模型的设计 | 第36-41页 |
| 4.2.1 用户行为数据 | 第37页 |
| 4.2.2 主题模型参数选择 | 第37-38页 |
| 4.2.3 传统用户主题兴趣模型 | 第38-39页 |
| 4.2.4 改进用户主题兴趣模型 | 第39-41页 |
| 4.3 基于 LDA 模型的论文推荐 | 第41-42页 |
| 4.3.1 冗余及过滤 | 第41-42页 |
| 4.3.2 评估方法 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 LDA 论文推荐系统的测试和评估 | 第43-54页 |
| 5.1 实验环境 | 第43页 |
| 5.2 测试推荐系统 | 第43-48页 |
| 5.2.1 主题模型测试 | 第43-46页 |
| 5.2.2 用户主题兴趣模型测试 | 第46-47页 |
| 5.2.3 论文推荐测试 | 第47-48页 |
| 5.3 论文推荐系统评估 | 第48-53页 |
| 5.3.1 主题个数 | 第48-50页 |
| 5.3.2 用户主题兴趣模型对推荐性能的影响 | 第50页 |
| 5.3.3 推荐数量对推荐性能的影响 | 第50-51页 |
| 5.3.4 稀疏度对推荐性能的影响 | 第51-52页 |
| 5.3.5 加入协同过滤的混合推荐系统 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 研究工作总结和创新 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间取得的科研成果 | 第60页 |
