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