基于贝叶斯网络的用户兴趣发现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9页 |
| ·个性化的服务 | 第9-12页 |
| ·个性化的定义 | 第10-11页 |
| ·个性化服务的实现 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·用户兴趣模型研究内容 | 第12-13页 |
| ·国内外用户兴趣模型研究状况 | 第13-14页 |
| ·论文研究的主要内容 | 第14-15页 |
| 2. 贝叶斯技术概述 | 第15-25页 |
| ·贝叶斯网络 | 第15-21页 |
| ·贝叶斯网的产生与发展 | 第15-16页 |
| ·贝叶斯网络的描述 | 第16-18页 |
| ·贝叶斯网络的表示、学习和推理 | 第18-21页 |
| ·贝叶斯网络的类型 | 第21页 |
| ·贝叶斯网络的优点 | 第21-23页 |
| ·动态贝叶斯网络 | 第23-25页 |
| 3. 基于贝叶斯网络的实时兴趣预测 | 第25-34页 |
| ·贝叶斯网络的学习 | 第25-31页 |
| ·结构学习与参数学习的基本思想 | 第25-27页 |
| ·贝叶斯网络学习的相关定义 | 第27-29页 |
| ·Bayesian网络的结构学习与参数学习 | 第29-31页 |
| ·基于兴趣预测的贝叶斯网络 | 第31-34页 |
| ·初始兴趣度的贝叶斯网络 | 第31-32页 |
| ·实验评估 | 第32-34页 |
| 4. 基于动态贝叶斯网络的用户潜在兴趣预测 | 第34-40页 |
| ·用户潜在兴趣预测 | 第34页 |
| ·用户潜在兴趣预测的建立思想 | 第34页 |
| ·用户潜在兴趣预测的实现 | 第34页 |
| ·数据准备 | 第34-35页 |
| ·数据采集 | 第34页 |
| ·定义特征数据集 | 第34-35页 |
| ·动态行为预测模型 | 第35-40页 |
| ·贝叶斯动态预测模型 | 第35-38页 |
| ·贝叶斯动态模型的预测示例 | 第38-39页 |
| ·行为预测分析 | 第39-40页 |
| 5. 基于客户忠诚度的贝叶斯网络结构更新 | 第40-51页 |
| ·网络更新学习 | 第40-43页 |
| ·网络更新学习的意义 | 第40页 |
| ·网络更新模型 | 第40-41页 |
| ·更新学习特征数据的选取 | 第41-43页 |
| ·基于客户忠诚度的网络更新学习 | 第43-51页 |
| ·特征数据的准备 | 第43-47页 |
| ·更新变量的取值和方法 | 第47-49页 |
| ·实验评估 | 第49-51页 |
| 6. 总结和展望 | 第51-53页 |
| ·全文总结 | 第51页 |
| ·进一步的工作 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介及硕士生期间发表的学术论文 | 第57页 |
