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

基于微博用户兴趣的个性化广告推荐系统的设计与实现

摘要第3-4页
Abstract第4-5页
1 绪论第9-16页
    1.1 研究背景及意义第9-11页
        1.1.1 研究背景第9-10页
        1.1.2 研究意义第10-11页
    1.2 研究现状第11-14页
        1.2.1 用户兴趣挖掘第11-12页
        1.2.2 个性化广告第12-14页
    1.3 本文研究内容第14-15页
    1.4 本文组织结构第15-16页
2 系统涉及的关键技术第16-28页
    2.1 微博数据采集第16-18页
        2.1.1 网络爬虫第16-17页
        2.1.2 网页信息处理第17-18页
    2.2 文本处理技术第18-20页
        2.2.1 中文分词第18-19页
        2.2.2 停止词过滤第19-20页
    2.3 推荐技术第20-27页
        2.3.1 推荐系统中常见的问题第20-22页
        2.3.2 基于内容的推荐方法第22-24页
        2.3.3 基于关联规则的推荐方法第24-25页
        2.3.4 基于协同过滤的推荐方法第25-26页
        2.3.5 基于混合过滤的推荐方法第26-27页
    2.4 本章小结第27-28页
3 基于交互链路的相似用户发现算法第28-39页
    3.1 相关知识第28-30页
        3.1.1 层次分析法第28页
        3.1.2 经典相似度计算方法第28-30页
    3.2 基于交互链路的相似用户发现算法第30-36页
        3.2.1 相关定义第30-31页
        3.2.2 用户基本信息相似度计算第31-33页
        3.2.3 用户交互强度计算第33-35页
        3.2.4 基于交互链路的相似用户发现算法第35-36页
    3.3 实验与分析第36-38页
        3.3.1 实验数据第36页
        3.3.2 实验设置第36页
        3.3.3 评价指标第36-37页
        3.3.4 实验结果及分析第37-38页
    3.4 本章小结第38-39页
4 微博用户兴趣挖掘算法第39-51页
    4.1 微博用户信息第39-41页
        4.1.1 用户个人信息第39-40页
        4.1.2 用户微博信息第40-41页
        4.1.3 用户行为信息第41页
    4.2 微博用户兴趣表示法第41-43页
        4.2.1 基于向量空间模型的表示方法第42页
        4.2.2 兴趣项目表示法第42页
        4.2.3 用户-项目矩阵表示法第42-43页
        4.2.4 兴趣关键词列表表示法第43页
    4.3 微博用户兴趣挖掘算法第43-48页
        4.3.1 微博用户兴趣来源分析第43-44页
        4.3.2 微博用户兴趣挖掘框架第44页
        4.3.3 长期兴趣计算第44-47页
        4.3.4 短期兴趣计算第47-48页
    4.4 实验与分析第48-50页
        4.4.1 实验方法第48-49页
        4.4.2 实验结果及分析第49-50页
    4.5 本章小结第50-51页
5 系统设计与实现第51-68页
    5.1 系统概述第51-54页
        5.1.1 开发环境第51-52页
        5.1.2 系统整体框架第52-54页
    5.2 系统主要流程第54-57页
        5.2.1 个人信息浏览第54页
        5.2.2 用户兴趣浏览第54-55页
        5.2.3 相似用户浏览第55-56页
        5.2.4 推荐广告浏览第56页
        5.2.5 用户信息管理第56-57页
        5.2.6 日志信息管理第57页
    5.3 系统模块设计第57-62页
        5.3.1 数据采集模块第57-59页
        5.3.2 数据处理模块第59-60页
        5.3.3 用户兴趣挖掘模块第60-61页
        5.3.4 相似用户发现模块第61页
        5.3.5 个性化广告推荐模块第61-62页
    5.4 数据库设计第62-64页
    5.5 系统实现第64-67页
    5.6 本章小结第67-68页
6 总结与展望第68-70页
    6.1 总结第68页
    6.2 展望第68-70页
致谢第70-71页
参考文献第71-74页
附录第74页

论文共74页,点击 下载论文
上一篇:融合多模态近邻关系的图像标注研究
下一篇:基于互信息相关比的多模态医学图像配准算法的研究