| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 相关技术研究现状 | 第13-15页 |
| 1.2.1 搜索引擎国内外研究现状 | 第13-14页 |
| 1.2.2 基于标签的推荐技术国内外研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关技术综述 | 第17-30页 |
| 2.1 个性化推荐系统概述 | 第17-18页 |
| 2.2 用户兴趣模型 | 第18-21页 |
| 2.2.1 用户建模的信息来源 | 第18-19页 |
| 2.2.2 用户兴趣模型的表示 | 第19-21页 |
| 2.2.3 用户兴趣模型的建立与更新 | 第21页 |
| 2.3 主要聚类技术 | 第21-23页 |
| 2.3.1 K均值聚类技术 | 第22页 |
| 2.3.2 二分K均值聚类技术 | 第22页 |
| 2.3.3 层次聚类技术 | 第22-23页 |
| 2.4 主要推荐技术 | 第23-28页 |
| 2.4.1 基于规则的推荐 | 第23-24页 |
| 2.4.2 基于内容的推荐 | 第24-25页 |
| 2.4.3 基于协同过滤的推荐算法 | 第25-27页 |
| 2.4.4 混合推荐 | 第27-28页 |
| 2.5 推荐系统的评价 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 用户兴趣模型的构建与更新 | 第30-38页 |
| 3.1 用户兴趣模型表示 | 第30页 |
| 3.2 用改进的TF-IDF方法构建用户兴趣模型 | 第30-32页 |
| 3.3 基于群组的用户兴趣模型更新 | 第32-37页 |
| 3.3.1 遗忘因子 | 第33页 |
| 3.3.2 群组兴趣计算 | 第33-35页 |
| 3.3.2.1 用户聚类 | 第33-34页 |
| 3.3.2.2 用户兴趣群组构建 | 第34-35页 |
| 3.3.2.3 群组兴趣计算 | 第35页 |
| 3.3.3 用户兴趣计算 | 第35-36页 |
| 3.3.4 基于群组的用户兴趣模型更新 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于用户配置文件的个性化推荐方法 | 第38-54页 |
| 4.1 资源配置文件的生成 | 第38-39页 |
| 4.2 相关性计算 | 第39-41页 |
| 4.2.1 查询和资源配置文件的相似性计算 | 第39-40页 |
| 4.2.2 资源配置文件和用户配置文件的相似性计算 | 第40-41页 |
| 4.3 基于用户配置文件的个性化推荐 | 第41-53页 |
| 4.3.1 算法设计 | 第41-43页 |
| 4.3.2 实验环境 | 第43-44页 |
| 4.3.3 实验数据 | 第44-49页 |
| 4.3.4 评估指标 | 第49页 |
| 4.3.5 实验分析 | 第49-52页 |
| 4.3.6 结论 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间完成的主要成果 | 第61页 |