摘要6-8
ABSTRACT8-17
第一章 引言17-27
1.1 在线论坛个性化信息推荐面对的挑战18-21
1.1.1 在线论坛数据特点19
1.1.2 和传统个性化推荐系统的不同19-20
1.1.3 和目前社交媒体上推荐的不同20-21
1.2 在线论坛个性化推荐系统框架21-23
1.2.1 推荐系统预备知识21
1.2.2 推荐框架21-23
1.2.3 推荐历程23
1.3 本论文的主要贡献23-24
1.4 本论文的章节安排24-27
第二章 在线论坛预备知识和相关工作27-39
2.1 在线论坛预备知识27-29
2.2 个性化推荐系统探讨进展29-34
2.2.1 基于内容的推荐29-31
2.2.2 协同过滤推荐31-32
2.2.3 混合策略推荐32-33
2.2.4 社交过滤推荐33-34
2.3 用户兴趣图谱发现探讨进展34-35
2.3.1 用户兴趣图谱利用范围34
2.3.2 用户兴趣图谱生成策略34-35
2.3.3 带重启的随机行走算法35
2.4 推荐对象和用户兴趣图谱匹配查询算法探讨进展35-37
2.5 本章小结37-39
第三章 活跃用户的兴趣图谱生成39-63
3.1 活跃用户发现及其特点39-47
3.1.1 活跃用户不足描述和定义39-40
3.1.2 在线论坛数据特点浅析40-46
3.1.3 活跃用户特点词生成46-47
3.2 活跃用户兴趣图谱的生成47-50
3.3 活跃用户兴趣图谱生成历程50-57
3.3.1 活跃用户兴趣图谱发现不足定义50-52
3.3.2 兴趣图谱的生成策略52-53
3.3.3 在图模型上的带重启的随机行走53
3.3.4 兴趣图谱的生成算法53-55
3.3.5 分图和三分图策略比较浅析55-57
3.4 活跃用户兴趣图谱发现实验57-62
3.4.1 数据集及其设置57-58
3.4.2 二分图和三分图两种策略的输出结果比较58-62
3.5 本章小结62-63
第四章 非活跃用户兴趣图谱的生成63-75
4.1 非活跃潜水用户兴趣图谱发现不足定义64-65
4.1.1 预备知识64-65
4.2 非活跃潜水用户兴趣图谱产生65-69
4.2.1 构建非活跃潜水用户q的社交上下文图模型66-67
4.2.2 基于社交上下文图G构建查询图G_q67
4.2.3 查询图G_p中的带重启的随机行走度量67-69
4.3 非活跃潜水用户兴趣图谱发现实验69-72
4.3.1 数据集及其设置69-71
4.3.2 基准策略及其比较71
4.3.3 实验结果浅析71-72
4.4 本章小结72-75
第五章 推荐对象和用户兴趣图谱的快速匹配75-103
5.1 推荐系统的序敏感查询75-77
5.1.1 以目标用户驱动的查询75-76
5.1.2 以推荐对象驱动的查询76-77
5.2 推荐对象驱动的top-k逆向排序查询77-102
5.2.1 top-κ逆向排序查询不足定义79-82
5.2.2 回答top-κ逆向排序查询82-89
5.2.3 框架的动态维护和更新89-91
5.2.4 多维情况处理91-93
5.2.5 top-κ逆向排序实验93-102
5.3 本章小结102-103
第六章 领域专家发现103-121
6.1 领域专家发现不足定义104-106
6.1.1 为内容建模的传统策略105
6.1.2 三分图模型105-106
6.2 三分图上带重启的随机行走算法106-107
6.3 三分图上基于星型的两阶段随机行走107-109
6.4 专家以及专家兴趣图谱的查询处理109-112
6.4.1 构建三分图G110
6.4.2 基于三分图G构建星型图G_s110
6.4.3 基于星型图G_s构建查询图G_q110
6.4.4 在图G_q上发现专家E_t或者专家兴趣图谱E_p110-112
6.5 领域专家发现实验112-118
6.5.1 数据集及其设置112-113
6.5.2 进行比较的策略113-114
6.5.3 评价基准114
6.5.4 实验结果浅析114-118
6.6 相关工作118-119
6.7 本章小结119-121
第七章 总结与展望121-125
7.1 总结121-122
7.2 未来工作的展望122-125
攻读博士学位期间发表论文125-127