声明
摘要
第一章 绪论
1.1 课题背景及其意义
1.2 国内外研究现状
1.3 本文主要工作
1.4 本文组织结构
1.5 本章小结
第二章 相关技术概述
2.1 传统文本挖掘方法
2.1.1 TFIDF
2.1.2 余弦相似度
2.1.3 JS散度
2.2 主题模型
2.2.1 LSI主题模型
2.2.2 PLSI主题模型
2.2.3 LDA主题模型
2.2.4 ATM主题模型
2.3 微博推荐算法概述
2.3.1 基于内容的推荐
2.3.2 基于协同过滤的推荐
2.3.3 混合技术推荐
2.4 本章小结
第三章 企业微博用户兴趣建模
3.1 基于主题模型的企业微博用户行业兴趣建模
3.1.1 基于标准LDA的企业微博用户行业兴趣建模
3.1.2 基于ATM的企业微博用户行业兴趣建模
3.2 模型性能测试实验设计与结果分析
3.2.1 数据集
3.2.2 数据预处理
3.2.3 评价方法
3.2.4 实验结果分析
3.3 向量空间模型中企业微博用户行业兴趣建模
3.3.1 企业微博行业特征选择
3.3.2 向量空间模型中企业微博用户建模
3.4 本章小结
第四章 针对企业微博用户的个性化信息推荐
4.1 企业微博用户推荐
4.1.1 企业微博用户相似度计算
4.1.2 评价方法
4.1.3 企业微博用户推荐方法
4.1.4 企业微博用户推荐实验
4.2 企业微博消息推荐
4.2.1 微博消息和微博用户的相似度计算
4.2.2 评价方法
4.2.3 企业微博消息推荐方法
4.2.4 企业微博消息推荐实验
4.3 本章小结
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
附录
致谢