高校数字图书馆个性化服务模型的研究与设计
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究的意义及背景 | 第12-13页 |
| ·研究背景 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·研究现状 | 第13-16页 |
| ·国外现状 | 第13-14页 |
| ·国内现状 | 第14-16页 |
| ·本文的主要工作 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第2章 个性化服务模式及其核心技术分析 | 第18-28页 |
| ·数字图书馆个性化服务 | 第18-20页 |
| ·数字图书馆个性化服务的主要模式 | 第18-19页 |
| ·个性化服务系统体系结构 | 第19-20页 |
| ·用户模型 | 第20-24页 |
| ·个性化服务的基础与核心 | 第20页 |
| ·用户兴趣的收集 | 第20-21页 |
| ·用户模型的表示 | 第21-23页 |
| ·用户模型的学习更新 | 第23-24页 |
| ·推荐机制 | 第24-27页 |
| ·基于数据挖掘的推荐技术 | 第24-25页 |
| ·基于内容过滤的推荐技术 | 第25页 |
| ·基于协同过滤的推荐技术 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于协同过滤的个性化推荐技术 | 第28-40页 |
| ·主流协同过滤推荐技术介绍 | 第28-34页 |
| ·基于用户的协同推荐算法 | 第28-30页 |
| ·基于项目的协同推荐算法 | 第30-32页 |
| ·基于用户聚类的协同推荐算法 | 第32-33页 |
| ·基于项目聚类的协同推荐算法 | 第33-34页 |
| ·协同推荐算法在应用中面临的主要挑战 | 第34-35页 |
| ·基于中图分类和聚类的协同过滤改进策略 | 第35-39页 |
| ·本文提出的思想 | 第35页 |
| ·本文提出的改进策略 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 协同过滤改进算法的实验及结果分析 | 第40-48页 |
| ·数据集 | 第40-43页 |
| ·数据源的选取 | 第40-42页 |
| ·数据源的预处理 | 第42-43页 |
| ·实验设计 | 第43-45页 |
| ·实验环境 | 第43-44页 |
| ·实验评估标准 | 第44页 |
| ·实验方案 | 第44-45页 |
| ·实验分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于改进算法的个性化服务系统的设计 | 第48-59页 |
| ·个性化服务系统的体系结构 | 第48页 |
| ·主要数据库的设计 | 第48-50页 |
| ·基于改进算法的个性化推荐协同过滤流程设计 | 第50-52页 |
| ·用户兴趣模型的建立与更新 | 第52-53页 |
| ·相似用户群的生成 | 第53-56页 |
| ·基于用户背景信息的初步聚类 | 第53-55页 |
| ·基于中图分类相似用户群的生成 | 第55-56页 |
| ·推荐集生成 | 第56-57页 |
| ·应用结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第65页 |
