基于协同过滤和社交网络挖掘的个性化微博推荐
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第6-9页 |
| 表格索引 | 第9-10页 |
| 插图索引 | 第10-11页 |
| 主要符号对照表 | 第11-12页 |
| 第一章 引言 | 第12-17页 |
| 1.1 背景 | 第12-13页 |
| 1.2 研究意义 | 第13-15页 |
| 1.3 研究方法 | 第15-16页 |
| 1.4 论文组织 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关工作 | 第17-22页 |
| 2.1 个性化推荐系统 | 第17-18页 |
| 2.2 微博上的推荐系统 | 第18-20页 |
| 2.3 协同过滤和协同排序 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 预备知识 | 第22-25页 |
| 3.1 个人兴趣的表现因素 | 第22-23页 |
| 3.2 为什么使用协同排序 | 第23页 |
| 3.3 我们的方法 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 第四章 微博消息推荐的协同排序 | 第25-30页 |
| 4.1 矩阵分解模型 | 第25-27页 |
| 4.2 微博消息推荐的排序目标 | 第27-29页 |
| 4.3 本章小结 | 第29-30页 |
| 第五章 结合微博平台的特征 | 第30-35页 |
| 5.1 微博消息话题层面上的分解 | 第30-31页 |
| 5.2 结合社交关系 | 第31页 |
| 5.3 显式特征 | 第31-34页 |
| 5.4 本章小结 | 第34-35页 |
| 第六章 模型训练 | 第35-37页 |
| 6.1 随机梯度下降 | 第35-36页 |
| 6.2 本章小结 | 第36-37页 |
| 第七章 实验部分 | 第37-44页 |
| 7.1 数据集 | 第37页 |
| 7.2 评测标准 | 第37-38页 |
| 7.3 方法比较 | 第38-41页 |
| 7.4 每个特征部分的效果 | 第41-42页 |
| 7.5 数据稀疏性 | 第42-43页 |
| 7.6 复杂性和收敛性 | 第43页 |
| 7.7 本章小结 | 第43-44页 |
| 第八章 总结与展望 | 第44-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-55页 |
| 攻读学位期间发表的学术论文目录 | 第55-56页 |
| 附件 | 第56-58页 |
