基于标签的微博信息推荐技术研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 微博用户标签研究现状 | 第14-15页 |
| 1.2.2 微博用户关系研究现状 | 第15-16页 |
| 1.2.3 微博推荐技术研究现状 | 第16-17页 |
| 1.3 研究内容 | 第17-19页 |
| 1.4 论文结构 | 第19-20页 |
| 2 相关理论与技术 | 第20-27页 |
| 2.1 文本信息挖掘 | 第20-23页 |
| 2.1.1 传统文本挖掘方法 | 第20-21页 |
| 2.1.2 传统文本挖掘方法的改进 | 第21-23页 |
| 2.2 文本分类 | 第23-25页 |
| 2.2.1 文本分类概述 | 第23页 |
| 2.2.2 相似度计算 | 第23-25页 |
| 2.3 推荐算法评价指标 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于标签关联关系的微博推荐方法 | 第27-37页 |
| 3.1 用户标签的获取与表示 | 第27-29页 |
| 3.1.1 标签检索 | 第27-28页 |
| 3.1.2 用户标签权重 | 第28-29页 |
| 3.1.3 用户标签矩阵 | 第29页 |
| 3.2 多标签关联关系 | 第29-33页 |
| 3.2.1 多标签内联关系 | 第30-31页 |
| 3.2.2 多标签外联关系 | 第31-33页 |
| 3.3 微博推荐算法描述 | 第33页 |
| 3.4 实验性能与分析 | 第33-36页 |
| 3.4.1 数据预处理与描述 | 第33-34页 |
| 3.4.2 实验结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 融合标签关联关系与用户社交关系的微博推荐方法 | 第37-45页 |
| 4.1 算法概述 | 第37页 |
| 4.2 标签检索策略的更新 | 第37页 |
| 4.3 用户间社交关系 | 第37-39页 |
| 4.3.1 用户间社交关系相似度计算 | 第38页 |
| 4.3.2 用户间社交关系相似度矩阵 | 第38-39页 |
| 4.4 迭代算法描述 | 第39-40页 |
| 4.4.1 矩阵的迭代 | 第39页 |
| 4.4.2 推荐算法描述 | 第39-40页 |
| 4.5 实验性能与分析 | 第40-44页 |
| 4.5.1 数据描述 | 第40页 |
| 4.5.2 实验结果与相关分析 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 6 参考文献 | 第47-51页 |
| 7 攻读硕士学位期间发表论文及参与项目 | 第51-53页 |
| 致谢 | 第53页 |
