基于浏览日志和浏览行为的用户兴趣模型研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-14页 |
1.1 课题背景 | 第11-12页 |
1.2 研究目的和意义 | 第12-13页 |
1.3 本文工作内容 | 第13-14页 |
第二章 用户兴趣分析综述 | 第14-31页 |
2.1 用户兴趣的定义 | 第14页 |
2.2 用户兴趣的应用领域 | 第14-16页 |
2.2.1 个性化推荐 | 第15页 |
2.2.2 个性化信息检索 | 第15-16页 |
2.3 用户兴趣分析数据 | 第16-17页 |
2.3.1 用户浏览历史日志 | 第16页 |
2.3.2 用户浏览行为 | 第16-17页 |
2.4 用户兴趣的表示模型 | 第17-22页 |
2.4.1 基于关键词的用户兴趣模型 | 第17-19页 |
2.4.2 基于概念的用户兴趣模型 | 第19-22页 |
2.5 用户兴趣内容分析的关键技术 | 第22-27页 |
2.5.1 文档模型 | 第22页 |
2.5.2 文档相似度计算 | 第22-23页 |
2.5.3 聚类技术 | 第23-25页 |
2.5.4 分类技术 | 第25-27页 |
2.6 用户兴趣分布分析的关键技术 | 第27-30页 |
2.6.1 计算用户对网页的兴趣浓度 | 第27-29页 |
2.6.2 计算用户的兴趣分布 | 第29-30页 |
2.7 本章小结 | 第30-31页 |
第三章 基于浏览日志的用户兴趣分析 | 第31-44页 |
3.1 网页内容特征表示 | 第31-32页 |
3.2 基于语义信息的用户兴趣模型 | 第32-33页 |
3.3 基于聚类的兴趣簇类的构造 | 第33-38页 |
3.3.1 基于HowNet的VSM模型改进 | 第34-36页 |
3.3.2 基于聚类的兴趣簇类构造 | 第36-38页 |
3.4 基于语义映射的用户兴趣树构造 | 第38-43页 |
3.4.1 兴趣簇类的表示形式 | 第38-39页 |
3.4.2 概念节点的表示形式 | 第39-40页 |
3.4.3 概念节点与兴趣簇类的相似度计算 | 第40-42页 |
3.4.4 概念节点到兴趣簇类映射算法 | 第42-43页 |
3.5 本章小结 | 第43-44页 |
第四章 基于浏览行为的用户兴趣分布评估 | 第44-51页 |
4.1 浏览行为特征 | 第44-48页 |
4.1.1 基本的浏览行为特征 | 第44-45页 |
4.1.2 组合的浏览行为特征 | 第45-48页 |
4.2 单网页的兴趣度评估模型 | 第48页 |
4.3 用户兴趣分布评估模型 | 第48-50页 |
4.4 本章小结 | 第50-51页 |
第五章 用户上网兴趣分析系统的实现 | 第51-61页 |
5.1 用户上网兴趣分析系统框架 | 第51-53页 |
5.1.1 信息收集 | 第52页 |
5.1.2 兴趣簇类生成 | 第52页 |
5.1.3 兴趣树生成 | 第52页 |
5.1.4 兴趣主题摘要 | 第52页 |
5.1.5 兴趣度计算 | 第52页 |
5.1.6 可视化 | 第52-53页 |
5.2 用户浏览日志 | 第53-56页 |
5.2.1 用户浏览日志实例 | 第54页 |
5.2.2 用户浏览日志XML Schema | 第54-56页 |
5.3 用户兴趣类图 | 第56页 |
5.4 层次兴趣树映射图 | 第56-57页 |
5.5 用户兴趣分布图 | 第57-58页 |
5.6 用户上网兴趣分析示例 | 第58-60页 |
5.7 本章小结 | 第60-61页 |
第六章 实验设计与结果分析 | 第61-68页 |
6.1 兴趣聚类结果评测 | 第61-63页 |
6.1.1 实验设计 | 第61页 |
6.1.2 实验结果分析 | 第61-63页 |
6.2 兴趣树映射结果评测 | 第63-65页 |
6.2.1 实验设计 | 第63-64页 |
6.2.2 实验结果分析 | 第64-65页 |
6.3 网页兴趣度评测 | 第65-68页 |
6.3.1 实验设计 | 第65-66页 |
6.3.2 实验结果分析 | 第66-68页 |
第七章 总结与展望 | 第68-70页 |
7.1 全文总结 | 第68页 |
7.2 研究展望 | 第68-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
攻读学位期间发表的学术论文目录 | 第75页 |