摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-26页 |
1.1 研究背景及意义 | 第10-13页 |
1.1.1 研究背景 | 第10页 |
1.1.2 问题提出 | 第10-12页 |
1.1.3 研究意义 | 第12-13页 |
1.2 相关研究现状及其分析 | 第13-22页 |
1.2.1 推荐系统与推荐算法研究综述 | 第13-16页 |
1.2.2 社会化标注及其推荐研究综述 | 第16-19页 |
1.2.3 主题模型及其应用研究综述 | 第19-22页 |
1.3 研究内容与思路 | 第22-24页 |
1.3.1 研究内容 | 第22-23页 |
1.3.2 研究思路 | 第23-24页 |
1.4 论文结构安排 | 第24-25页 |
1.5 本章小结 | 第25-26页 |
2 基本原理与研究框架 | 第26-42页 |
2.1 社会化标注推荐的基本原理 | 第26-32页 |
2.1.1 推荐系统的基本原理 | 第26-28页 |
2.1.2 社会化标注的基本原理 | 第28-31页 |
2.1.3 社会化标注推荐 | 第31-32页 |
2.2 社会化标注中集成优化过程的推荐服务原理 | 第32-38页 |
2.2.1 社会化标注中推荐服务概述 | 第32-33页 |
2.2.2 集成优化过程的推荐服务模式 | 第33-35页 |
2.2.3 优化过程与服务过程集成原理 | 第35-38页 |
2.3 社会化标注中集成主题优化的协同推荐研究框架 | 第38-41页 |
2.4 本章小结 | 第41-42页 |
3 基于改进LDA的标签主题优化 | 第42-54页 |
3.1 基于改进LDA的标签主题优化过程 | 第42-46页 |
3.1.1 LDA模型的基本内容 | 第42-43页 |
3.1.2 改进LDA标签主题模型的提出 | 第43-45页 |
3.1.3 基于改进LDA的标签主题优化思路 | 第45-46页 |
3.2 改进LDA标签主题建模数据预处理 | 第46-49页 |
3.2.1 社会化标注中三元关系解耦 | 第46-48页 |
3.2.2 “用户-标签”输入矩阵和“资源-标签”输入矩阵的构建 | 第48-49页 |
3.3 基于改进LDA的标签主题挖掘 | 第49-50页 |
3.3.1 最优主题数的确定及标签主题的划分 | 第49-50页 |
3.3.2 “标签-主题”分布矩阵的输出 | 第50页 |
3.4 基于改进LDA的对象标签主题转化 | 第50-52页 |
3.5 本章小结 | 第52-54页 |
4 集成主题优化的协同推荐方法 | 第54-67页 |
4.1 集成主题优化的协同推荐过程 | 第54-55页 |
4.2 用户多兴趣主题推荐模型的构建 | 第55-61页 |
4.2.1 相似性计算 | 第55-58页 |
4.2.2 推荐模型建立 | 第58-61页 |
4.3 目标用户兴趣主题的获取 | 第61-63页 |
4.3.1 “用户-标签”二元关系抽取 | 第61-63页 |
4.3.2 目标用户兴趣主题建模 | 第63页 |
4.4 多兴趣主题下推荐列表的生成 | 第63-65页 |
4.5 时间复杂度分析 | 第65-66页 |
4.6 本章小结 | 第66-67页 |
5 实证研究 | 第67-82页 |
5.1 实验准备 | 第67-71页 |
5.1.1 数据集来源及统计 | 第67-68页 |
5.1.2 数据预处理 | 第68-69页 |
5.1.3 评价指标构建 | 第69-70页 |
5.1.4 实验设计总体思路 | 第70-71页 |
5.2最优主题数的评估实验 | 第71-72页 |
5.2.1 实验目的 | 第71页 |
5.2.2 实验开展过程 | 第71页 |
5.2.3 实验结果与分析 | 第71-72页 |
5.3最优相似度组合参数及最近邻个数的评估实验 | 第72-75页 |
5.3.1 实验目的 | 第72页 |
5.3.2 实验开展过程 | 第72-73页 |
5.3.3 实验结果与分析 | 第73-75页 |
5.4推荐方法的对比评估实验 | 第75-80页 |
5.4.1 实验目的 | 第75-76页 |
5.4.2 实验开展过程 | 第76-77页 |
5.4.3 实验结果与分析 | 第77-80页 |
5.5 实验结论 | 第80-81页 |
5.6 本章小结 | 第81-82页 |
6 总结与展望 | 第82-85页 |
6.1 总结 | 第82-83页 |
6.2 展望 | 第83-85页 |
参考文献 | 第85-92页 |
攻读硕士期间的研究成果 | 第92-93页 |
致谢 | 第93页 |