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

微博个性化信息推荐方法研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第10-16页
    1.1 研究背景与意义第10-12页
    1.2 国内外研究现状第12-14页
        1.2.1 微博文本研究现状第12页
        1.2.2 微博社交关系研究现状第12-13页
        1.2.3 微博推荐算法研究现状第13-14页
    1.3 论文的主要工作第14页
    1.4 论文的组织结构第14-16页
第2章 相关理论与技术第16-24页
    2.1 推荐系统介绍第16-17页
    2.2 微博个性化推荐方法原理第17-18页
    2.3 微博文本处理第18-22页
        2.3.1 向量空间模型VSM第19页
        2.3.2 TF-IDF模型第19-20页
        2.3.3 LDA主题模型第20-22页
    2.4 相似度计算第22-23页
    2.5 本章小结第23-24页
第3章 数据采集第24-29页
    3.1 准备工作第24页
    3.2 爬取策略第24-28页
        3.2.1 模拟登录微博获取cookies第25-26页
        3.2.2 构造User-Agent池第26-27页
        3.2.3 初始化爬取用户ID执行爬取任务第27页
        3.2.4 爬虫参数配置第27-28页
    3.3 数据分布第28页
    3.4 本章小结第28-29页
第4章 融合博文内容和社交关系的好友推荐第29-43页
    4.1 问题描述第29-30页
    4.2 融合博文内容和社交关系的好友推荐方法第30-37页
        4.2.1 系统框架第30-31页
        4.2.2 数据预处理第31页
        4.2.3 用户间内容相似度计算第31-34页
        4.2.4 社交关系相似度计算第34-35页
        4.2.5 用户间综合相似度计算第35-36页
        4.2.6 好友推荐第36-37页
    4.3 实验结果与分析第37-42页
        4.3.1 评价指标第37-38页
        4.3.2 基于内容的好友推荐分析第38-39页
        4.3.3 内容与社交关系权重比分析第39页
        4.3.4 对比实验分析第39-42页
    4.4 本章小结第42-43页
第5章 多源信息相似的博文推荐第43-52页
    5.1 问题描述第43-44页
    5.2 基于标签的博文推荐第44-47页
        5.2.1 用户标签获取第44-46页
        5.2.2 标签相似度计算第46页
        5.2.3 基于标签的博文推荐第46-47页
    5.3 多源信息相似的博文推荐第47-49页
        5.3.1 系统框架第47-48页
        5.3.2 算法描述第48-49页
    5.4 实验设计与结果分析第49-51页
        5.4.1 数据预处理第49页
        5.4.2 数据描述第49页
        5.4.3 实验评价标准第49-50页
        5.4.4 实验结果与相关分析第50-51页
    5.5 本章小结第51-52页
第6章 总结与展望第52-54页
    6.1 论文工作总结第52页
    6.2 下一步工作展望第52-54页
参考文献第54-58页
攻读硕士学位期间的科研成果第58-59页
致谢第59-60页

论文共60页,点击 下载论文
上一篇:基于双目视觉的楼梯图像三维构建技术研究
下一篇:基于超高层建筑的BIM技术应用和结构有限元分析研究