基于Web挖掘的用户个性化推荐的研究及实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文主要工作及结构安排 | 第12-14页 |
| 第二章 关键技术 | 第14-24页 |
| ·特征权重 | 第14-15页 |
| ·中文分词 | 第15-16页 |
| ·短文本分类 | 第16-21页 |
| ·朴素贝叶斯分类器 | 第17-18页 |
| ·支持向量机分类器 | 第18-21页 |
| ·Web挖掘 | 第21-24页 |
| ·Web挖掘分类 | 第22-23页 |
| ·Web日志格式 | 第23-24页 |
| 第三章 个性化新闻推荐系统分析与总体设计 | 第24-28页 |
| ·需求分析 | 第24-25页 |
| ·总体设计框架 | 第25-27页 |
| ·用户交互平台 | 第26页 |
| ·Web日志挖掘 | 第26-27页 |
| ·用户兴趣模型 | 第27页 |
| ·新闻推荐算法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第四章 主要模块设计与实现 | 第28-51页 |
| ·日志挖掘模块 | 第28-33页 |
| ·用户浏览日志解析 | 第28-29页 |
| ·用户访问特征分析 | 第29-31页 |
| ·用户访问模式挖掘 | 第31-33页 |
| ·用户兴趣模块 | 第33-44页 |
| ·用户兴趣模型的定义 | 第33-34页 |
| ·用户数据收集 | 第34页 |
| ·用户行为分析 | 第34-37页 |
| ·用户兴趣模型分类 | 第37-38页 |
| ·用户兴趣模型设计 | 第38-43页 |
| ·用户兴趣计算 | 第43-44页 |
| ·新闻推荐模块 | 第44-50页 |
| ·新闻源的获取 | 第44-46页 |
| ·常用推荐算法 | 第46-47页 |
| ·基于标签实体词表的推荐算法 | 第47-48页 |
| ·基于用户访问模式的算法优化 | 第48-49页 |
| ·热点新闻 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验结果与总结 | 第51-60页 |
| ·实验环境 | 第51页 |
| ·准确率评价 | 第51-58页 |
| ·示例用户评价 | 第52-57页 |
| ·有效推荐评价 | 第57-58页 |
| ·总结展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
