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

播存环境中话题挖掘及其在个性化推荐中的应用

摘要第4-5页
Abstract第5页
第一章 绪论第10-13页
    1.1 研究背景第10-12页
    1.2 研究目标及内容第12页
    1.3 论文组织结构第12-13页
第二章 话题挖掘及个性化推荐相关研究第13-21页
    2.1 相关研究技术概述第13页
    2.2 话题挖掘技术相关研究第13-16页
        2.2.1 Unigram模型第13-14页
        2.2.2 PLSA模型第14-15页
        2.2.3 LDA模型第15-16页
    2.3 个性化推荐技术相关研究第16-20页
        2.3.1 协同过滤推荐技术第17页
        2.3.2 基于内容的推荐技术第17-18页
        2.3.3 个性化标签推荐技术第18-19页
        2.3.4 个性化推荐技术评价指标第19-20页
    2.4 本章小结第20-21页
第三章 播存环境在线话题挖掘算法研究与设计第21-32页
    3.1 主要问题与研究思路第21-22页
        3.1.1 播存环境新的特点第21-22页
        3.1.2 研究思路与解决方案第22页
    3.2 播存环境在线话题挖掘算法BS-OLDA框架第22-23页
    3.3 网页预处理模块第23-24页
        3.3.1 网页清洗模块第23-24页
        3.3.2 网页分句与分词模块第24页
        3.3.3 去停用词模块第24页
    3.4 BS-OLDA算法模块第24-30页
        3.4.1 传统LDA模型分析第24-26页
        3.4.2 BS-OLDA算法第26-30页
    3.5 本章小结第30-32页
第四章 播存环境中基于话题的个性化推荐第32-41页
    4.1 主要问题与研究思路第32-34页
        4.1.1 主要问题与播存环境新特点第32-33页
        4.1.2 研究思路第33-34页
    4.2 播存环境中基于话题的个性化推荐框架第34-37页
        4.2.1 BS-TR算法总体框架第34页
        4.2.2 BS-TR算法工作模式第34-37页
    4.3 网页内容话题特征提取及UCL话题字段映射第37-38页
        4.3.1 网页内容话题特征向量提取第37-38页
        4.3.2 UCL话题字段映射第38页
    4.4 用户话题兴趣特征向量计算第38-40页
    4.5 相似度计算方法第40页
    4.6 本章小结第40-41页
第五章 播存环境原型系统中算法实验与分析第41-49页
    5.1 播存环境原型系统框架第41-42页
    5.2 实验与分析第42-48页
        5.2.1 BS-OLDA算法实验与分析第42-46页
        5.2.2 BS-TR算法实验与分析第46-48页
    5.3 本章小结第48-49页
第六章 论文总结与未来工作第49-50页
    6.1 论文总结第49页
    6.2 未来工作第49-50页
致谢第50-51页
硕士期间发表论文第51-52页
参考文献第52-53页

论文共53页,点击 下载论文
上一篇:米非司酮对树突状细胞分化和功能的调节及机制研究
下一篇:羟氯喹对肠炎相关结直肠癌的防治作用及机制研究