学位论文 > 优秀研究生学位论文题录展示

英文短文本相似性研究及在图书推荐中的应用

作　者: 林源
导　师: 陈志泊
学　校: 北京林业大学
专　业: 计算机软件与理论
关键词: 推荐系统 领域术语 短文本相似性
分类号: TP391.1
类　型: 硕士论文
年　份: 2010年
下　载: 67次
引　用: 1次
阅　读: 论文下载
 

内容摘要


随着互联网的飞速发展,顾客和商家对电子商务推荐系统的需求日益强烈。然而当前的电子商务推荐系统大多是采用以用户为基础进行构建的。同时,由于系统建立之初,顾客对系统的访问量较少,这些系统往往遭遇了“冷启动”的问题,不能有效发挥推荐系统应有的作用。而基于内容的推荐系统以商品自身属性为出发点,不依靠顾客行为,可以有效解决这一问题。基于内容的推荐系统通常以文本相似性研究为基础,但是由于在推荐中涉及的往往是短文本的相似性问题,而长文本的推荐算法不能很好的应用于短文本相似性比较。本文以计算机图书推荐为例,提出一种实现短文本相似性比较的方法。该方法从互联网中获取了计算机图书的语料库,通过分词、去停止词等预处理,按照基于规则和基于统计的方法提取了计算机领域术语,并进行实验验证。之后,基于提取的计算机领域术语构建了计算机领域语的层次结构,并结合了短文本语义比较的方法,最终形成计算机图书的推荐。同时,基于提出的理论,结合实际,构建出电子商务推荐系统。该系统充分考虑用户需求,对实际的运行方式进行合理设计,为构建电子商务推荐系统提供了一条新的思路。

全文目录


摘要  3-4
ABSTRACT  4-7
1 引言  7-10
  1.1 电子商务推荐系统的研究背景  7
  1.2 当前推荐系统存在的问题  7-8
  1.3 研究的目的和意义  8-9
  1.4 论文主要研究的内容  9-10
2 推荐系统及其相关理论  10-18
  2.1 推荐系统概述  10-15
    2.1.1 推荐系统的概念  10
    2.1.2 推荐系统的作用  10
    2.1.3 推荐系统实现的类别  10-13
      2.1.3.1 基于内容的推荐系统  11
      2.1.3.2 基于聚类技术的推荐系统  11-12
      2.1.3.3 基于贝叶斯网络的推荐系统  12
      2.1.3.4 基于关联规则的推荐系统  12
      2.1.3.5 基于协同过滤技术的推荐系统  12-13
      2.1.3.6 基于混合型的推荐系统  13
    2.1.4 推荐系统的系统构成  13
    2.1.5 推荐系统的工作流程  13-15
  2.2 基于内容推荐系统的关键技术  15-18
    2.2.1 文本相似性技术  15-16
      2.2.1.1 自然语言的概念  15
      2.2.1.2 短文本分析技术  15-16
      2.2.1.3 短文本处理技术的层次  16
    2.2.2 主题词获取技术  16-18
      2.2.2.1 术语的概念和特点  16
      2.2.2.2 术语获取及方法  16-17
      2.2.2.3 计算机领域术语获取的必要性  17-18
3 计算机类主题词获取技术  18-27
  3.1 概述  18
  3.2 获取语料库  18-20
  3.3 分词、去停止词等预处理过程  20
  3.4 根据规则获取术语  20-23
  3.5 根据统计方法获取术语  23-25
  3.6 实验分析  25-27
4 图书推荐算法研究  27-37
  4.1 概述  27
  4.2 构建DMOZ树  27-29
  4.3 处理DMOZ树  29-31
  4.4 插入图书节点  31-32
  4.5 图书描述比较  32-35
  4.6 形成推荐  35-37
5 推荐系统设计与实现  37-53
  5.1 系统总体设计  37-38
  5.2 数据库设计  38-43
    5.2.1 数据库概念模型  38-40
    5.2.2 数据库逻辑模型  40
    5.2.3 数据库物理模型  40-43
  5.3 离线推荐数据产生系统  43-45
  5.4 图书网站的设计  45-51
    5.4.1 系统需求分析  45-46
    5.4.2 总体架构  46-47
    5.4.3 数据链接层  47-48
    5.4.4 业务逻辑层  48
    5.4.5 业务功能模块  48-51
      5.4.5.1 顾客功能模块  48
      5.4.5.2 员工功能模块  48
      5.4.5.3 图书功能模块  48-49
      5.4.5.4 角色功能模块  49
      5.4.5.5 订单功能模块  49-51
    5.4.6 表现层  51
  5.5 系统运行结果  51-53
6 结果与讨论  53-55
  6.1 结果  53
  6.2 讨论  53-55
参考文献  55-58
个人简介  58-59
导师简介  59-60
获得成果目录清单  60-61
致谢  61

相似论文

  1. 基于Web的领域词典构建技术研究,TP391.1
  2. 基于自然遗忘的个性化推荐算法研究,TP311.52
  3. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
  4. 社会化网络中的推荐算法及其应用,TP391.3
  5. 个性化医疗信息推荐系统的研究与实现,R319
  6. 基于GPU的图书推荐系统研究与实现,TP391.3
  7. 特定领域中文术语抽取,TP391.1
  8. 基于社会标签系统的推荐技术研究,TP391.3
  9. 基于特征向量的个性化推荐算法研究,TP391.3
  10. 领域概念自动抽取研究,TP391.1
  11. 基于协同过滤的电子商务个性化推荐算法研究,F713.36
  12. 协同过滤优化算法的研究与实现,TP301.6
  13. 基于Web使用挖掘的在线报名推荐系统的研究与实现,TP311.13
  14. 基于领域本体的个性化推荐系统研究与应用,TP311.52
  15. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  16. 基于Web内容和日志挖掘的个性化服务研究,TP311.13
  17. 复杂网络在交通网络和推荐系统中的应用,U29-39
  18. 基于用户兴趣的新闻个性化推荐系统的设计与实现,TP311.52
  19. 基于用户信任的协同推荐攻击防御模型,TP301.6
  20. 电子商务中非频繁购买产品推荐策略研究,F713.36
  21. 基于数据挖掘的电子商务推荐系统模型研究,F713.36

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 文字信息处理
© 2012 www.xueweilunwen.com