声明
公式符号表
缩略词表
1绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 政务大数据
1.2.2 文本分类
1.2.3 推荐系统
1.3 本文主要工作和创新点
(1)本文主要工作
(2)本文创新点
1.4 本章小结
2 相关理论及技术
2.1 政务大数据
2.2 文本分类
2.2.1 文本分类常用技术
2.2.2 文本分类的关键问题
2.2.3 文本分类的应用
2.3 推荐系统
2.3.1 推荐系统构成
2.3.2 推荐方法概述
2.3.3 推荐系统评价标准
2.4 本章小结
3 教育政务新闻分类方法研究
3.1 新闻文本集处理
3.1.1 教育政务新闻获取
3.1.2 教育政务词库构建
3.1.3 文本预处理
3.1.4 文本特征提取
3.1.5 文本表示
3.2 基于朴素贝叶斯分类模型
3.3 基于卷积神经网络分类模型
3.4 实验结果分析
3.5 本章小结
4 基于混合策略教育政务新闻推荐方法
4.1 问题的提出
4.2 基于改进协同过滤推荐方法
4.3 基于用户属性推荐方法
4.4 基于内容推荐方法
4.5 基于混合策略推荐方法
4.6 实验结果分析
4.6.1 改进协同过滤方法实验结果分析
4.6.2 混合策略推荐方法实验结果分析
4.7 本章小结
5 总结与展望
5.1 本文总结
5.2 未来工作展望
参考文献
攻读硕士学位期间所获得的研究成果
致 谢
中北大学;