声明
致谢
摘要
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1推荐系统
1.2.2协同过滤
1.2.3 LDA主题模型
1.3 本文主要内容
1.4 论文技术路线
2相关理论概述
2.1 常用推荐算法简介
2.1.1 基于内容的推荐算法
2.1.2协同过滤推荐算法
2.1.3基于矩阵分解的推荐算法
2.1.4混合推荐算法
2.2 LDA主题模型
2.3推荐结果评价指标
2.3.1 准确率
2.3.2召回率
2.3.3 F值
2.4本章小结
3基于改进协同过滤推荐算法的毕业生-企业推荐
3.1 数据采集
3.1.1数据背景简介
3.1.2采集数据组成
3.2数据预处理
3.3毕业生及企业偏好模型建立
3.3.1 毕业生-企业矩阵的建立
3.3.2利用双重聚类解决数据稀疏性
3.3.3偏好模型的建立
3.4利用协同过滤算法实现推荐
3.5实验与分析
3.5.1 毕业生-企业矩阵的建立
3.5.2利用聚类结果填充矩阵
3.5.3利用协同过滤推荐得到推荐结果
3.6本章小结
4基于LDA主题模型的毕业生-企业推荐
4.1 基于LDA的主题词获取
4.1.1最优主题数
4.1.2文档主题词获取
4.2毕业生与企业的向量空间模型构建
4.2.1 向量空间模型
4.2.2毕业生向量空间模型的构建
4.2.3企业向量空间模型的构建
4.3毕业生和企业模型相似度计算
4.4实验与分析
4.5本章小结
5混合推荐模型的建立及效果评价
5.1混合推荐模型
5.1.1 混合推荐模型的建立
5.1.2混合推荐模型系数的确定
5.1.3混合推荐结果展示
5.2推荐效果评价
5.2.1推荐效果对比
5.2.2推荐效果对比实际检验
5.2.3推荐效果综合检验
5.3本章小结
6.1 总结
6.2展望
参考文献
附录
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集