基于Web浏览行为的用户兴趣模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·课题的研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·个性化推荐服务的研究现状 | 第11-12页 |
| ·用户兴趣模型的研究现状 | 第12-13页 |
| ·课题来源 | 第13页 |
| ·论文的研究内容和组织结构 | 第13-15页 |
| 2 文本信息处理技术 | 第15-27页 |
| ·文本信息处理概述 | 第15页 |
| ·中文分词技术 | 第15-17页 |
| ·中文分词算法思想 | 第16页 |
| ·中文分词算法应用 | 第16页 |
| ·词性标注 | 第16-17页 |
| ·文本内容表征 | 第17-22页 |
| ·VSM模型基本思想 | 第18页 |
| ·文本特征选择算法 | 第18-19页 |
| ·改进的TF-IDF算法 | 第19-21页 |
| ·VSM模型的应用 | 第21-22页 |
| ·文本相似度度量算法 | 第22-23页 |
| ·文本聚类算法 | 第23-25页 |
| ·K-Means聚类算法 | 第24页 |
| ·凝聚聚类算法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 基于用户浏览行为的用户兴趣度度量方法 | 第27-37页 |
| ·用户兴趣获取方式 | 第27-28页 |
| ·用户浏览行为分析 | 第28-29页 |
| ·基于用户混合行为的兴趣度度量方法 | 第29-35页 |
| ·用户混合行为组合 | 第29-30页 |
| ·基于重要行为的兴趣度计算 | 第30-31页 |
| ·基于用户阅读时间的兴趣度计算 | 第31-33页 |
| ·基于其他行为的兴趣度计算 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 用户兴趣模型研究 | 第37-46页 |
| ·用户兴趣模型建立 | 第37-41页 |
| ·用户兴趣模型表示 | 第37-38页 |
| ·用户兴趣模型相关运算 | 第38-41页 |
| ·用户兴趣模型初始化 | 第41页 |
| ·用户兴趣模型更新 | 第41-44页 |
| ·时间分段机制 | 第42页 |
| ·用户兴趣漂移机制 | 第42-44页 |
| ·用户兴趣模型应用 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于用户兴趣模型的个性化推荐系统 | 第46-68页 |
| ·个性化推荐系统概述 | 第46页 |
| ·系统实现 | 第46-56页 |
| ·系统环境 | 第46-47页 |
| ·系统实现技术 | 第47-50页 |
| ·数据采集部分 | 第50-51页 |
| ·数据库建模 | 第51-53页 |
| ·部分前端页面展示 | 第53-56页 |
| ·系统结构 | 第56-58页 |
| ·文本表征模块 | 第57页 |
| ·兴趣分析模块 | 第57-58页 |
| ·内容推荐模块 | 第58页 |
| ·外部接.模块 | 第58页 |
| ·用户兴趣模型算法验证 | 第58-67页 |
| ·用户兴趣度度量方法验证 | 第58-60页 |
| ·改进的TF-IDF算法验证 | 第60-61页 |
| ·用户兴趣矩阵聚合运算算法验证 | 第61-64页 |
| ·用户兴趣模型漂移机制验证 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读学位期间发表的相关学术论文及研究成果 | 第76页 |
