基于用户评价的专家推荐系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 文本分类的研究 | 第11-12页 |
| 1.2.2 推荐系统的研究 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-23页 |
| 2.1 文本预处理 | 第15-16页 |
| 2.1.1 中文分词 | 第15页 |
| 2.1.2 去停用词 | 第15-16页 |
| 2.2 关键词提取 | 第16-17页 |
| 2.2.1 基于统计模型的关键词提取算法 | 第16-17页 |
| 2.2.2 基于语义的关键词提取算法 | 第17页 |
| 2.3 文本表示模型 | 第17-18页 |
| 2.4 文本分类 | 第18-19页 |
| 2.4.1 类中心分类算法 | 第18页 |
| 2.4.2 分类性能评估 | 第18-19页 |
| 2.5 推荐系统 | 第19-21页 |
| 2.5.1 基于内容的推荐算法 | 第19-20页 |
| 2.5.2 混合推荐算法 | 第20页 |
| 2.5.3 推荐算法评估标准 | 第20-21页 |
| 2.6 本章小结 | 第21-23页 |
| 第三章 专家推荐系统模型 | 第23-37页 |
| 3.1 推荐系统的总体设计 | 第23-25页 |
| 3.2 数据获取与存储 | 第25-29页 |
| 3.2.1 数据源选择 | 第25页 |
| 3.2.2 数据源获取与存储 | 第25-29页 |
| 3.3 文本预处理 | 第29-30页 |
| 3.3.1 中文分词处理 | 第29页 |
| 3.3.2 停用词过滤 | 第29-30页 |
| 3.4 关键词提取 | 第30-32页 |
| 3.5 文本表示与存储 | 第32-33页 |
| 3.5.1 词库构建 | 第32页 |
| 3.5.2 向量空间法 | 第32-33页 |
| 3.6 文本的学科分类 | 第33-34页 |
| 3.6.1 分类训练 | 第33-34页 |
| 3.6.2 分类识别 | 第34页 |
| 3.7 实验结果和分析 | 第34-35页 |
| 3.7.1 分词结果和分析 | 第34页 |
| 3.7.2 关键词提取结果分析 | 第34-35页 |
| 3.7.3 学科分类结果分析 | 第35页 |
| 3.8 本章小节 | 第35-37页 |
| 第四章 用户评价模块设计 | 第37-45页 |
| 4.1 评价模块的总体设计 | 第37-38页 |
| 4.2 数据库设计 | 第38-39页 |
| 4.2.1 专家信息表 | 第38页 |
| 4.2.2 用户评分表 | 第38-39页 |
| 4.2.3 专家相似度表 | 第39页 |
| 4.3 基于用户评价的推荐算法 | 第39-42页 |
| 4.4 实验结果和分析 | 第42-43页 |
| 4.4.1 实验方法 | 第42页 |
| 4.4.2 实验结果分析 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 专家推荐系统的实现与实验分析 | 第45-61页 |
| 5.1 系统开发环境和实验软硬件平台 | 第45页 |
| 5.2 系统架构及功能模块 | 第45-52页 |
| 5.2.1 系统架构 | 第45-46页 |
| 5.2.2 系统功能模块 | 第46-50页 |
| 5.2.3 系统总体流程 | 第50-52页 |
| 5.3 专家推荐系统的实现 | 第52-57页 |
| 5.4 推荐系统实验和结果分析 | 第57-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-66页 |
