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--计算机网络论文--一般性问题论文

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

论文共75页,点击 下载论文
上一篇:浦东“区镇合一”管理模式研究
下一篇:Sobel边缘检测算法的硬件实现方法研究