| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·研究目标与内容 | 第11-12页 |
| ·结构安排 | 第12-14页 |
| 第二章 相关背景 | 第14-30页 |
| ·个性化推荐技术 | 第14-16页 |
| ·基于内容的推荐方法 | 第16-20页 |
| ·基于协同过滤的推荐方法 | 第20-28页 |
| ·基于用户的协同过滤 | 第20-24页 |
| ·基于项目的协同过滤 | 第24-25页 |
| ·基于模型的协同过滤 | 第25-28页 |
| ·个性化社区推荐方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于在线软约束 LDA 的社区推荐算法 | 第30-46页 |
| ·研究背景 | 第30-31页 |
| ·相关工作 | 第31-37页 |
| ·基于ARM 的方法 | 第32-35页 |
| ·二值的LDA 方法 | 第35-37页 |
| ·基于软约束LDA 的社区推荐算法 | 第37-43页 |
| ·模型的建立 | 第37-38页 |
| ·模型参数的求解 | 第38-40页 |
| ·实验结果 | 第40-43页 |
| ·在线更新模型参数 | 第43-45页 |
| ·在线更新系统 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于时间信息的社区推荐算法 | 第46-53页 |
| ·提出问题 | 第46页 |
| ·基于时间信息的社区推荐算法 | 第46-51页 |
| ·时间信息对用户兴趣建模的影响 | 第46-48页 |
| ·时间信息对用户-主题分布的影响 | 第48-49页 |
| ·参数的确定 | 第49-51页 |
| ·实验结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 SO-LDA 社区推荐算法在实际系统中的应用 | 第53-59页 |
| ·LISER 系统介绍 | 第53-54页 |
| ·SO-LDA 在LISER 中的应用 | 第54-56页 |
| ·群组推荐效果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| ·全文总结 | 第59-60页 |
| ·对未来的展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 论文及专利 | 第70页 |
| 攻读硕士学位期间参加的科研项目 | 第70页 |