基于用户浏览模式的新闻推荐系统设计
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-18页 |
| 第一节 研究背景 | 第9-10页 |
| 第二节 研究目的及研究意义 | 第10-12页 |
| 一、研究目的 | 第10-11页 |
| 二、研究意义 | 第11-12页 |
| 第三节 国内外研究现状 | 第12-15页 |
| 第四节 论文研究内容 | 第15-17页 |
| 第五节 论文组织结构 | 第17-18页 |
| 第二章 新闻推荐相关工具和技术及评价指标简介 | 第18-29页 |
| 第一节 推荐系统及其算法简介 | 第18-26页 |
| 一、推荐系统简介 | 第18-19页 |
| 二、协作型过滤推荐算法 | 第19-21页 |
| 三、基于网络结构的推荐算法 | 第21-23页 |
| 四、基于内容的推荐算法 | 第23-25页 |
| 五、混合推荐算法 | 第25-26页 |
| 第二节 新闻推荐实例简介 | 第26-27页 |
| 第三节 推荐系统测评指标简介 | 第27-29页 |
| 一、准确率 | 第27-28页 |
| 二、召回率 | 第28页 |
| 三、F-Measure | 第28-29页 |
| 第三章 数据处理及初步分析 | 第29-31页 |
| 第一节 数据源介绍 | 第29页 |
| 第二节 数据清洗及样本选取 | 第29-30页 |
| 一、错误数据处理 | 第29页 |
| 二、格式统一 | 第29-30页 |
| 三、样本选取 | 第30页 |
| 第三节 数据特征初步探查与分析 | 第30-31页 |
| 第四章 新闻推荐系统设计及实现 | 第31-50页 |
| 第一节 新闻推荐系统整体设计 | 第31-32页 |
| 第二节 传统的协作型过滤算法 | 第32-38页 |
| 一、传统基于用户的协作型过滤算法及结果 | 第32-36页 |
| 二、传统基于物品的协作型过滤算法及结果 | 第36-38页 |
| 第三节 基于时间上下文因素的协作型过滤算法及结果 | 第38-42页 |
| 第四节 基于内容的推荐算法及结果 | 第42-45页 |
| 第五节 基于二分图的推荐算法及实现 | 第45-46页 |
| 第六节 混合推荐算法设计和实现 | 第46-49页 |
| 一、针对不经常浏览新闻用户的混合推荐算法 | 第47-48页 |
| 二、针对经常浏览新闻用户的混合推荐算法 | 第48-49页 |
| 第七节 小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 在读期间发表的研究成果 | 第58页 |
