太原市教育局政務大數據平臺的新聞分類和推薦方法研究
發(fā)布時間：2021-06-03 18:28
大數據、云計算和人工智能的快速發(fā)展,使得傳統(tǒng)的電子政務已難以適應當今的新形勢,建設一個融合大數據、數字化和智能化的政務平臺已成為當今政府尋求發(fā)展的新思路。自2017年以來太原市教育局政務大數據平臺建設不斷取得成就,但是與發(fā)達國家和我國先進省市的政務平臺相比仍然有較大差距。目前該平臺采用的新聞分類方法的分類粒度較粗且分類的準確率較低,對于新聞推薦來說目前該平臺使用的推薦方法存在著不能及時反映用戶興趣變化,推薦結果準確率較低和推薦個性化程度較低等問題,本文針對其政務大數據平臺存在的這些問題進行了研究。本文對傳統(tǒng)的TF-IDF特征提取方法進行了改進,提出一種結合教育政務詞庫（GE）和特征詞位置信息（LF）的教育政務新聞特征提取方法,即ETF-IDF-L特征提取方法,然后分別通過樸素貝葉斯和卷積神經網絡對教育政務新聞進行分類,通過實驗發(fā)現對于一些擁有較少數據量的新聞類別來說基于ETF-IDF-L的特征提取和向量空間模型文本表示方法結合多項式樸素貝葉斯分類模型得到的分類效果較好,對于擁有較多數據量的新聞類別來說基于Word2vec的卷積神經網絡分類模型得到的分類效果較好,這兩種分類模型的準確度和...
【文章來源】：中北大學山西省
【文章頁數】：82 頁
【學位級別】：碩士
【部分圖文】：
文教育文本網頁文本……去除停用詞……特征
文本分類過程圖
中北大學學位論文192.3推薦系統(tǒng)現在互聯網的大面積普及使得信息量呈現爆炸性增長的態(tài)勢，給用戶及時獲取高質量信息造成了障礙，形成了信息過載。我們日常經常用到的一些搜索引擎，如百度、搜狗等信息檢索系統(tǒng)的目的就是讓使用者可以在最短的時間找到自己需要的信息，從而幫助我們更好的解決信息過載這一問題，但這只是一種初級階段，在此階段不能實現理想的個性化推薦�；诖嘶A之上誕生的推薦系統(tǒng)[41,42]便是一種信息過濾系統(tǒng)，它的工作原理是通過收集系統(tǒng)用戶對某些物品的偏好程度、興趣度以及相關的訪問行為等，依據這些信息和系統(tǒng)用戶的興趣進行匹配，根據此原理來為用戶進行推薦，其推薦的個性化和準確率較之前的搜索引擎有很大程度的提升。2.3.1推薦系統(tǒng)構成推薦系統(tǒng)是借助后臺的方式向使用者提供服務的，它通過采集用戶和物品的信息以及用戶的相關行為之后，根據所要進行推薦的對象的特點結合相應的推薦算法，得到一個需要的推薦模型，然后再根據得到的推薦模型進行決策分析，最終得到推薦結果。其工作過程可分為七個階段，將這七個階段組合到一起便形成了我們的推薦系統(tǒng)的工作過程，如圖2-5所示。圖2-5推薦系統(tǒng)工作過程Fig.2-5Recommendationsystemworkingprocess用戶、商品相關行為及特征信息處理訓練模型決策分析推薦模型最終結果應用場景
【參考文獻】：
期刊論文
[1]機器學習方法在文本分類中的應用[J]. 陶林潤德. 中國戰(zhàn)略新興產業(yè). 2017(40)
[2]一種改進的文本分類算法[J]. 任朋啟,王芳,黃樹成. 電子設計工程. 2017(18)
[3]基于機器學習的專利文本分類算法研究綜述[J]. 劉紅光,馬雙剛,劉桂鋒. 圖書情報研究. 2016(03)
[4]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛. 軟件學報. 2015(06)
[5]基于知識的推薦系統(tǒng)用戶交互模型研究[J]. 艾磊,趙輝. 軟件導刊. 2015(03)
[6]云計算環(huán)境下基于協(xié)同過濾的個性化推薦機制[J]. 朱夏,宋愛波,東方,羅軍舟. 計算機研究與發(fā)展. 2014(10)
[7]協(xié)同過濾推薦技術綜述[J]. 冷亞軍,陸青,梁昌勇. 模式識別與人工智能. 2014(08)
[8]基于用戶相似度的協(xié)同過濾推薦算法[J]. 榮輝桂,火生旭,胡春華,莫進俠. 通信學報. 2014(02)
[9]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平. 計算機工程與應用. 2012(07)
[10]基于特征類別屬性分析的文本分類器分類噪聲裁剪方法[J]. 王強,關毅,王曉龍. 自動化學報. 2007(08)
博士論文
[1]國家治理中大數據應用問題研究[D]. 盧洪.中共中央黨校 2018
[2]文本分類及其相關技術研究[D]. 李榮陸.復旦大學 2005
碩士論文
[1]基于機器學習的文本分類研究與實現[D]. 王振.南京郵電大學 2018
[2]基于分詞頻的特征選擇算法在文本分類中的研究[D]. 劉藝彬.西安理工大學 2018
[3]基于深度學習的文本分類技術的研究[D]. 龐丹丹.北方工業(yè)大學 2018
[4]混合推薦算法的研究[D]. 宋瑞平.蘭州大學 2014
本文編號：3211021
【文章來源】：中北大學山西省
【文章頁數】：82 頁
【學位級別】：碩士
【部分圖文】：
文教育文本網頁文本……去除停用詞……特征
文本分類過程圖
中北大學學位論文192.3推薦系統(tǒng)現在互聯網的大面積普及使得信息量呈現爆炸性增長的態(tài)勢，給用戶及時獲取高質量信息造成了障礙，形成了信息過載。我們日常經常用到的一些搜索引擎，如百度、搜狗等信息檢索系統(tǒng)的目的就是讓使用者可以在最短的時間找到自己需要的信息，從而幫助我們更好的解決信息過載這一問題，但這只是一種初級階段，在此階段不能實現理想的個性化推薦�；诖嘶A之上誕生的推薦系統(tǒng)[41,42]便是一種信息過濾系統(tǒng)，它的工作原理是通過收集系統(tǒng)用戶對某些物品的偏好程度、興趣度以及相關的訪問行為等，依據這些信息和系統(tǒng)用戶的興趣進行匹配，根據此原理來為用戶進行推薦，其推薦的個性化和準確率較之前的搜索引擎有很大程度的提升。2.3.1推薦系統(tǒng)構成推薦系統(tǒng)是借助后臺的方式向使用者提供服務的，它通過采集用戶和物品的信息以及用戶的相關行為之后，根據所要進行推薦的對象的特點結合相應的推薦算法，得到一個需要的推薦模型，然后再根據得到的推薦模型進行決策分析，最終得到推薦結果。其工作過程可分為七個階段，將這七個階段組合到一起便形成了我們的推薦系統(tǒng)的工作過程，如圖2-5所示。圖2-5推薦系統(tǒng)工作過程Fig.2-5Recommendationsystemworkingprocess用戶、商品相關行為及特征信息處理訓練模型決策分析推薦模型最終結果應用場景
【參考文獻】：
期刊論文
[1]機器學習方法在文本分類中的應用[J]. 陶林潤德. 中國戰(zhàn)略新興產業(yè). 2017(40)
[2]一種改進的文本分類算法[J]. 任朋啟,王芳,黃樹成. 電子設計工程. 2017(18)
[3]基于機器學習的專利文本分類算法研究綜述[J]. 劉紅光,馬雙剛,劉桂鋒. 圖書情報研究. 2016(03)
[4]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛. 軟件學報. 2015(06)
[5]基于知識的推薦系統(tǒng)用戶交互模型研究[J]. 艾磊,趙輝. 軟件導刊. 2015(03)
[6]云計算環(huán)境下基于協(xié)同過濾的個性化推薦機制[J]. 朱夏,宋愛波,東方,羅軍舟. 計算機研究與發(fā)展. 2014(10)
[7]協(xié)同過濾推薦技術綜述[J]. 冷亞軍,陸青,梁昌勇. 模式識別與人工智能. 2014(08)
[8]基于用戶相似度的協(xié)同過濾推薦算法[J]. 榮輝桂,火生旭,胡春華,莫進俠. 通信學報. 2014(02)
[9]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平. 計算機工程與應用. 2012(07)
[10]基于特征類別屬性分析的文本分類器分類噪聲裁剪方法[J]. 王強,關毅,王曉龍. 自動化學報. 2007(08)
博士論文
[1]國家治理中大數據應用問題研究[D]. 盧洪.中共中央黨校 2018
[2]文本分類及其相關技術研究[D]. 李榮陸.復旦大學 2005
碩士論文
[1]基于機器學習的文本分類研究與實現[D]. 王振.南京郵電大學 2018
[2]基于分詞頻的特征選擇算法在文本分類中的研究[D]. 劉藝彬.西安理工大學 2018
[3]基于深度學習的文本分類技術的研究[D]. 龐丹丹.北方工業(yè)大學 2018
[4]混合推薦算法的研究[D]. 宋瑞平.蘭州大學 2014
本文編號：3211021
本文鏈接：http://sikaile.net/jiaoyulunwen/ktjx/3211021.html
