| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 微博的产生与发展 | 第15页 |
| 1.2.2 用户兴趣模型构建方法的研究 | 第15-17页 |
| 1.2.3 用户兴趣推荐方法的研究 | 第17-19页 |
| 1.2.4 存在问题和挑战 | 第19页 |
| 1.3 论文研究内容 | 第19-20页 |
| 1.4 论文结构 | 第20-22页 |
| 2 微博用户兴趣信息来源及获取分析 | 第22-29页 |
| 2.1 微博中的信息 | 第22-24页 |
| 2.1.1 微博用户信息 | 第22-23页 |
| 2.1.2 微博信息 | 第23-24页 |
| 2.2 微博用户的行为和关系 | 第24页 |
| 2.2.1 微博用户行为 | 第24页 |
| 2.2.2 微博中的相互关系 | 第24页 |
| 2.3 微博用户兴趣信息来源分析 | 第24-26页 |
| 2.3.1 微博文本信息分析 | 第25页 |
| 2.3.2 微博用户标签分析 | 第25页 |
| 2.3.3 微博用户相关用户分析 | 第25-26页 |
| 2.4 微博用户兴趣信息 | 第26-28页 |
| 2.4.1 微博用户兴趣信息来源选取 | 第26-27页 |
| 2.4.2 微博用户兴趣信息 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于归一化割加权的微博用户兴趣建模 | 第29-47页 |
| 3.1 微博用户兴趣建模方法 | 第29页 |
| 3.2 相关理论与技术 | 第29-31页 |
| 3.2.1 词-文档矩阵 | 第30页 |
| 3.2.2 非负矩阵分解 | 第30-31页 |
| 3.3 微博用户兴趣获取 | 第31-36页 |
| 3.3.1 微博文本信息分析 | 第31-32页 |
| 3.3.2 微博用户标签分析 | 第32-33页 |
| 3.3.3 微博中的特殊用户分析 | 第33-35页 |
| 3.3.4 微博用户兴趣获取步骤 | 第35-36页 |
| 3.4 微博用户兴趣的表示方法 | 第36-38页 |
| 3.4.1 用户兴趣模型表示方法 | 第36-37页 |
| 3.4.2 基于向量空间模型的兴趣表示 | 第37-38页 |
| 3.5 基于归一化割加权的微博用户兴趣建模方法 | 第38-42页 |
| 3.5.1 基于内容的微博用户兴趣模型表示 | 第39页 |
| 3.5.2 基于归一化割加权 NMF 的微博用户兴趣模型 | 第39-42页 |
| 3.6 实验结果及评价 | 第42-46页 |
| 3.6.1 数据集 | 第42页 |
| 3.6.2 数据描述 | 第42-43页 |
| 3.6.3 实验结果与相关分析 | 第43-46页 |
| 3.7 本章小结 | 第46-47页 |
| 4 基于社交网络微博用户兴趣模型的推荐方法 | 第47-62页 |
| 4.1 微博用户兴趣推荐方法 | 第47-48页 |
| 4.2 基于社交网络微博用户兴趣模型的推荐方法 | 第48页 |
| 4.3 基于会话抽取与微博用户兴趣模型的微博推荐方法 | 第48-52页 |
| 4.3.1 基于会话关系的微博文本聚类模型 | 第49-52页 |
| 4.4 基于微博用户标签的微博用户兴趣推荐方法 | 第52-53页 |
| 4.4.1 微博用户标签分析 | 第52-53页 |
| 4.4.2 基于兴趣类别模型的微博用户兴趣模型 | 第53页 |
| 4.4.3 基于微博用户标签的微博用户兴趣推荐 | 第53页 |
| 4.5 微博兴趣度排序 | 第53-54页 |
| 4.6 基于社交网络微博用户兴趣模型的微博推荐算法 | 第54-55页 |
| 4.7 实验结果及评价 | 第55-61页 |
| 4.7.1 数据集 | 第55-56页 |
| 4.7.2 数据预处理 | 第56页 |
| 4.7.3 评价指标 | 第56-57页 |
| 4.7.4 实验结果及分析 | 第57-61页 |
| 4.8 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表论文及参与项目 | 第68页 |
