声明
目 录
缩略词
第 1 章 绪 论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 协同过滤算法的研究现状
1.2.2 融合新闻内容和用户行为研究现状
1.2.3 基于深度学习模型研究现状
1.3 本文的研究内容
1.4 本文的组织结构
第 2 章 相关概念及技术
2.1 引言
2.2 图片识别器
2.3 Pkuseg 分词器
2.2 神经网络
2.2.1 RNN
2.2.2 CNN
2.3 Word2Vec
2.3.1 CBOW
2.3.2 Skip-Gram
2.5 本章小结
第 3 章 基于 Word2Vec 构建标签相关性图
3.1 引言
3.2 重构新闻标签的意义
3.3 MRNT 模型
3.4 构建标签相关性图
3.4.1 无向图和有向图
3.4.2 标签相关性图的实现
3.5验证和分析
3.5.1 数据集介绍
3.5.2 实验结果和分析
3.6 本章小结
第 4 章 基于用户反馈的自适应标签算法
4.1 用户反馈
4.2 自适应标签算法
4.2.1 数据处理预定义
4.2.2 AT 算法的构建
4.3 本章小结
第 5 章 实验和结果分析
5.1 实验设计
5.1.1 评估标准
5.1.2 对比基线
5.1.3 超参数的设置
5.2 实验结果与分析
5.3 本章小结
结 论
参考文献
附录 A 攻读学位期间发表的学术论文
致 谢
湖南大学;