首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户模型的微博文本推荐算法研究

摘要第4-5页
ABSTRACT第5页
第一章 绪论第8-17页
    1.1 研究背景与现状第8-12页
        1.1.1 研究背景第8-10页
        1.1.2 研究现状第10-12页
    1.2 论文研究目标与意义第12-15页
        1.2.1 微博用户使用目的分析第12-13页
        1.2.2 论文研究意义第13-14页
        1.2.3 论文研究目标第14-15页
    1.3 论文主要工作及创新第15-16页
    1.4 论文的组织结构第16-17页
第二章 课题相关理论和研究第17-25页
    2.1 社会网络分析概述第17-18页
    2.2 中文文本预处理相关技术第18-20页
    2.3 用户建模相关技术第20-23页
        2.3.1 隐式狄利克雷分布第20-22页
        2.3.2 词项频率—逆向文本频率模型第22-23页
    2.4 推荐算法相关技术第23-25页
第三章 用户模型建立算法设计第25-34页
    3.1 用户行为分析第25-26页
    3.2 MCRA算法流程第26页
    3.3 用户模型的定义第26-28页
    3.4 用户模型建立算法设计第28-34页
第四章 文本推荐算法设计第34-38页
    4.1 文本推荐算法相关定义第34-36页
    4.2 目标用户对候选微博的兴趣度的计算第36-37页
        4.2.1 目标用户主题模型和候选微博匹配度计算第36页
        4.2.2 目标用户关键词向量模型和候选微博匹配度计算第36-37页
    4.3 候选微博的评分及推荐第37-38页
第五章 微博文本推荐算法有效性验证第38-47页
    5.1 实验环境及实验数据的获取第38页
    5.2 实验评价标准第38-39页
    5.3 实验内容及分析第39-47页
        5.3.1 实验参数的估计第40-42页
        5.3.2 算法对比实验及结果分析第42-47页
第六章 总结与展望第47-49页
参考文献第49-53页
发表论文和参加科研情况说明第53-54页
致谢第54-55页

论文共55页,点击 下载论文
上一篇:民航信息共享交换平台建设及相关问题研究
下一篇:基于迁移学习的知识推荐方法研究