摘要
第1章 绪论
1.1 课题背景
1.1.1 信息爆炸与精准内容获取
1.1.2 用户生成内容与个性化需求
1.2 本文主要工作
1.3 本文结构
第2章 相关研究综述
2.1 推荐系统
2.1.1 推荐系统的形式化描述
2.1.2 推荐系统的评价标准
2.2 主流推荐算法
2.2.1 基于内容的推荐算法
2.2.2 协同过滤算法
2.2.3 混合推荐算法
2.2.4 各个推荐算法对比
2.3 意见挖掘
2.3.1 意见的形式化描述
2.3.2 意见挖掘的处理方法
2.4 本章小结
第3章 属性层意见挖掘
3.1 用户评论中的潜藏评分
3.2 评论信息的结构化处理
3.2.1 意见语素提取
3.2.2 双向扩张意见词元组提取算法
3.2.3 属性词分类
3.3 意见词典构建
3.3.1 构建基于领域的意见词典
3.3.2 基于线性规划的意见词典生成模型
3.4 意见摘要生成
3.5 本章小结
第4章 基于线性回归的混合推荐系统
4.1 用户权重和物品属性空间上的评分预测模型
4.2 结合了意见挖掘的回归推荐模型
4.3 综合模型求解
4.3.1 交替迭代分解
4.3.2 不收敛问题
4.3.3 初值的设定
4.4 本章小结
第5章 推荐系统效果评测与分析
5.1 数据集信息及数据预处理
5.2 用户评论意见挖掘结果与分析
5.3 多种算法推荐效果对比与分析
5.4 基于意见挖掘的混合推荐模型的参数效用分析
5.5 基于意见挖掘的混合推荐模型的推荐结果实例
5.6 本章小结
第6章 总结与展望
6.1 本文总结
6.2 未来的工作与改进方向
参考文献
致谢