我國(guó)國(guó)民經(jīng)濟(jì)的發(fā)展離不開充足電力的支撐,火力發(fā)電仍是我國(guó)主要的發(fā)電方式。近年來,智能推薦算法的研究不斷深入,有效的解決了海量數(shù)據(jù)下有效信息的獲取問題。本文對(duì)于火力發(fā)電企業(yè)的員工兩票培訓(xùn)存在的問題,結(jié)合智能推薦算法,考慮“兩票”專家考核系統(tǒng)的實(shí)際工程實(shí)現(xiàn),提出了基于內(nèi)容的票習(xí)題的篩選優(yōu)化算法。本文對(duì)常用的推薦算法進(jìn)行研究,通過分析火力發(fā)電企業(yè)所使用的操作票的特點(diǎn),選定“基于內(nèi)容的推薦算法”作為基礎(chǔ)。使用中文分詞器對(duì)操作項(xiàng)和操作任務(wù)進(jìn)行中文分詞處理,得到所有操作票的描述詞組。之后通過TF-IDF算法篩選出每個(gè)操作票的關(guān)鍵詞。對(duì)比分析One-Hot編碼向量以及Word2Vec工具生成向量的優(yōu)缺點(diǎn),選擇使用操作票文本作為語料訓(xùn)練Word2Vec模型,初步得到操作票對(duì)象的空間向量。通過賦予不同詞性的關(guān)鍵詞向量不同的權(quán)值,得到相應(yīng)的票對(duì)應(yīng)的空間向量�？紤]相應(yīng)的工程實(shí)現(xiàn)以及系統(tǒng)升級(jí),將所獲取的操作票空間向量使用K-means++聚類,在票類別的基礎(chǔ)上,進(jìn)一步聚類為3類。最后分析推薦算法中常用的用戶興趣模型生成策略,根據(jù)火力發(fā)電企業(yè)員工的操作票的實(shí)際使用情況,選擇用戶當(dāng)前感興趣的操作票為基準(zhǔn),建立用戶... 

【文章來源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容及論文結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 推薦篩選算法
    2.1 推薦系統(tǒng)分類
    2.2 常用推薦算法
        2.2.1 基于內(nèi)容的推薦
        2.2.2 協(xié)同過濾推薦
        2.2.3 基于關(guān)聯(lián)規(guī)則的推薦
    2.3 本章小結(jié)
第3章 相關(guān)數(shù)據(jù)處理技術(shù)
    3.1 中文分詞
    3.2 特征向量的獲取
        3.2.1 TF-IDF算法
        3.2.2 Word2Vec工具
    3.3 聚類算法
    3.4 本章小結(jié)
第4章 票信息庫的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 “兩票”培訓(xùn)考核專家系統(tǒng)
    4.2 “兩票”系統(tǒng)票數(shù)據(jù)中文分詞處理
    4.3 “兩票”系統(tǒng)票數(shù)據(jù)特征向量
    4.4 “兩票”系統(tǒng)票數(shù)據(jù)聚類
    4.5 本章小結(jié)
第5章 優(yōu)化篩選策略的實(shí)現(xiàn)及其評(píng)測(cè)
    5.1 篩選推薦策略的基本流程
    5.2 操作票習(xí)題的篩選推薦的實(shí)現(xiàn)
    5.3 用戶模板的建立與系統(tǒng)評(píng)測(cè)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]面向短文本的神經(jīng)網(wǎng)絡(luò)聚類算法研究[J]. 孫昭穎,劉功申.  計(jì)算機(jī)科學(xué). 2018(S1)
[2]基于隱語義模型的個(gè)性化推薦[J]. 范慧婷,鐘春琳,龔海華.  計(jì)算機(jī)應(yīng)用與軟件. 2017(12)
[3]基于Word2vec的句子語義相似度計(jì)算研究[J]. 李曉,解輝,李立杰.  計(jì)算機(jī)科學(xué). 2017(09)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)短文本分類方法[J]. 郭東亮,劉小明,鄭秋生.  計(jì)算機(jī)與現(xiàn)代化. 2017(04)
[5]基于加權(quán)word2vec的微博情感分析[J]. 李銳,張謙,劉嘉勇.  通信技術(shù). 2017(03)
[6]基于FCA和Word2vec的異構(gòu)資源本體構(gòu)建研究[J]. 韋煉,李端明,劉超超,王亞慧,王蘿娜.  情報(bào)科學(xué). 2017(03)
[7]結(jié)合詞性的短文本相似度算法及其在文本分類中的應(yīng)用[J]. 黃賢英,李沁東,劉英濤.  電訊技術(shù). 2017(01)
[8]基于改進(jìn)TF-IDF的微博短文本特征詞提取算法[J]. 鄧丹君,姚莉.  軟件導(dǎo)刊. 2016(06)
[9]基于字符串匹配的中文分詞算法的研究[J]. 常建秋,沈煒.  工業(yè)控制計(jì)算機(jī). 2016(02)
[10]中文短文本語法語義相似度算法[J]. 廖志芳,周國(guó)恩,李俊鋒,劉飛,蔡飛.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)

碩士論文
[1]基于Java EE的電廠兩票系統(tǒng)的設(shè)計(jì)與開發(fā)[D]. 王召鵬.華北電力大學(xué) 2015



本文編號(hào)：2895383