摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪言 | 第16-28页 |
1.1 研究背景 | 第17-22页 |
1.1.1 社会化媒体与用户生成内容 | 第17-18页 |
1.1.2 面向社会化媒体的用户生成内容推荐问题 | 第18-21页 |
1.1.3 面向社会化媒体的用户生成内容推荐面临的挑战 | 第21-22页 |
1.2 研究现状概述 | 第22-24页 |
1.3 研究思路 | 第24-25页 |
1.4 本文工作与贡献 | 第25-26页 |
1.5 论文组织 | 第26-28页 |
第二章 相关工作 | 第28-36页 |
2.1 推荐框架 | 第28-29页 |
2.2 用户关系推理 | 第29-31页 |
2.2.1 基于传递性的用户关系推理 | 第29-30页 |
2.2.2 基于多维性的用户关系推理 | 第30-31页 |
2.2.3 基于偏见性的用户关系推理 | 第31页 |
2.2.4 边预测技术 | 第31页 |
2.3 用户反馈推理 | 第31-33页 |
2.3.1 基本的用户反馈推理 | 第31-33页 |
2.3.2 利用外在关系的用户反馈推理 | 第33页 |
2.4 基于内容的用户偏好预测 | 第33-34页 |
2.5 小结 | 第34-36页 |
第三章 面向社会化媒体的用户生成内容推荐框架 | 第36-44页 |
3.1 推荐框架的需求分析 | 第36-37页 |
3.2 有的推荐框架 | 第37-39页 |
3.2.1 基础推荐框架 | 第37-38页 |
3.2.2 社会化推荐框架 | 第38-39页 |
3.2.3 混合推荐框架 | 第39页 |
3.3 本文的推荐框架 | 第39-43页 |
3.3.1 用户关系推理模块 | 第40-41页 |
3.3.2 用户反馈推理模块 | 第41页 |
3.3.3 用户偏好预测模块 | 第41页 |
3.3.4 用户反馈推理模块与用户偏好预测模块的关系 | 第41-42页 |
3.3.5 用户关系推理模块与用户反馈推理模块的关系 | 第42-43页 |
3.4 小结 | 第43-44页 |
第四章 基于社会学理论的用户关系推理 | 第44-68页 |
4.1 问题描述与分析 | 第45-48页 |
4.2 用户关系推理模型 | 第48-53页 |
4.2.1 建模多维性 | 第48-49页 |
4.2.2 建模偏见性 | 第49-50页 |
4.2.3 建模传递性 | 第50-51页 |
4.2.4 模型扩展讨论 | 第51-53页 |
4.3 模型的求解算法 | 第53-59页 |
4.3.1 算法描述 | 第53-56页 |
4.3.2 算法扩展讨论 | 第56-58页 |
4.3.3 算法分析 | 第58-59页 |
4.4 实验评估与分析 | 第59-66页 |
4.4.1 实验设计 | 第59-60页 |
4.4.2 准确性评估与分析 | 第60-63页 |
4.4.3 效率评估与分析 | 第63-66页 |
4.5 小结 | 第66-68页 |
第五章 利用外在关系的单类用户反馈推理 | 第68-88页 |
5.1 问题描述与分析 | 第69-70页 |
5.2 单类用户反馈推理模型 | 第70-73页 |
5.2.1 基本的推理模型 | 第71-72页 |
5.2.2 利用外在关系的推理模型 | 第72-73页 |
5.3 模型的求解算法 | 第73-80页 |
5.3.1 算法描述 | 第73-75页 |
5.3.2 算法分析 | 第75-80页 |
5.4 实验评估与分析 | 第80-87页 |
5.4.1 实验设计 | 第80-83页 |
5.4.2 准确性评估与分析 | 第83-86页 |
5.4.3 效率评估与分析 | 第86-87页 |
5.5 小结 | 第87-88页 |
第六章 基于内容的用户偏好预测 | 第88-112页 |
6.1 问题描述与分析 | 第89-91页 |
6.2 基于内容的用户偏好预测算法 | 第91-104页 |
6.2.1 考虑关联性:LIP-M | 第92-93页 |
6.2.2 考虑关联性与动态性:LIP-IM | 第93-95页 |
6.2.3 考虑关联性与非线性:LIP-KM | 第95-96页 |
6.2.4 考虑关联性、非线性与动态性:LIP-KIM | 第96-99页 |
6.2.5 对LIP-KIM进行加速:LIP-KIMA与LIP-KIMAA | 第99-102页 |
6.2.6 对LIP-KI进行加速:LIP-KIA | 第102-103页 |
6.2.7 算法总结 | 第103-104页 |
6.3 实验评估与分析 | 第104-110页 |
6.3.1 实验设计 | 第104-105页 |
6.3.2 准确性评估与分析 | 第105-108页 |
6.3.3 效率评估与分析 | 第108-110页 |
6.4 小结 | 第110-112页 |
第七章 面向社会化媒体的用户生成内容推荐平台及其应用示例 | 第112-124页 |
7.1 推荐平台的设计与原型实现 | 第112-118页 |
7.1.1 数据收集模块 | 第112-113页 |
7.1.2 用户关系推理模块 | 第113-114页 |
7.1.3 用户反馈推理模块 | 第114页 |
7.1.4 用户偏好预测模块 | 第114-116页 |
7.1.5 推荐平台的部署与应用开发 | 第116-118页 |
7.2 微博推荐应用示例 | 第118-122页 |
7.2.1 应用需求分析 | 第118-119页 |
7.2.2 应用示例的设计与实现 | 第119-122页 |
7.3 小结 | 第122-124页 |
第八章 总结与展望 | 第124-128页 |
8.1 工作总结 | 第124-125页 |
8.2 研究展望 | 第125-128页 |
参考文献 | 第128-144页 |
简历与科研成果 | 第144-148页 |
致谢 | 第148-149页 |