基于动态自适应权重的个性化微博推荐系统研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景和选题意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 社交网络的特征分析 | 第17-18页 |
| 1.2.2 基于传统推荐算法的微博推荐 | 第18页 |
| 1.2.3 基于机器学习的微博推荐 | 第18-19页 |
| 1.3 本文研究工作 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 微博推荐的相关理论及技术 | 第22-31页 |
| 2.1 微博结构 | 第22-23页 |
| 2.2 微博网络爬虫及文本预处理 | 第23-25页 |
| 2.2.1 微博网络爬虫 | 第23-24页 |
| 2.2.2 文本预处理 | 第24-25页 |
| 2.3 文本挖掘相关理论 | 第25-29页 |
| 2.3.1 TF-IDF算法及其原理 | 第26页 |
| 2.3.2 LDA算法及其原理 | 第26-28页 |
| 2.3.3 熵理论 | 第28-29页 |
| 2.4 推荐效果的评价指标 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于动态自适应权重的个性化微博推荐 | 第31-45页 |
| 3.1 用户会话划分 | 第31-33页 |
| 3.2 主题模型构建 | 第33-36页 |
| 3.3 微博特征构建 | 第36-40页 |
| 3.3.1 基于用户偏好的特征构建 | 第36-37页 |
| 3.3.2 基于微博内容的特征构建 | 第37-39页 |
| 3.3.3 基于发布者权威的特征构建 | 第39-40页 |
| 3.4 基于动态自适应的特征权重构建 | 第40-44页 |
| 3.5 本章小結 | 第44-45页 |
| 第四章 实验验证和原型系统 | 第45-61页 |
| 4.1 数据收集和预处理 | 第45-47页 |
| 4.2 实验及结果分析 | 第47-52页 |
| 4.2.1 评价方法 | 第47-48页 |
| 4.2.2 基准模型 | 第48页 |
| 4.2.3 实验结果 | 第48-52页 |
| 4.3 原型系统 | 第52-60页 |
| 4.3.1 数据采集层 | 第53-56页 |
| 4.3.2 数据处理层 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
