【摘要】：科學(xué)技術(shù)對(duì)農(nóng)業(yè)致富增收,提高農(nóng)民科技素養(yǎng)起到了關(guān)鍵性作用,隨著信息技術(shù)飛速發(fā)展,在互聯(lián)網(wǎng)上累積了大量的農(nóng)業(yè)信息資源。但由于農(nóng)民對(duì)互聯(lián)網(wǎng)知識(shí)與應(yīng)用技能的缺乏,導(dǎo)致農(nóng)業(yè)資源的利用率不高,推廣率較低。針對(duì)如何高效的利用現(xiàn)有的農(nóng)業(yè)信息資源,適應(yīng)農(nóng)業(yè)用戶實(shí)際的閱讀需求以及解決基于內(nèi)容推薦算法特征提取不夠準(zhǔn)確和傳統(tǒng)推薦算法對(duì)農(nóng)業(yè)產(chǎn)品針對(duì)性不足等問(wèn)題,本文從以下三方面展開研究。第一,基于關(guān)鍵詞的文檔相似度計(jì)算方法的改進(jìn)。研究并分析了傳統(tǒng)的基于關(guān)鍵詞的文檔相似度計(jì)算方法,為了提升基于關(guān)鍵詞的文檔相似度計(jì)算方法的準(zhǔn)確度,在原有方法的基礎(chǔ)上,通過(guò)引入多種關(guān)鍵詞提取的方法并取均值的方式來(lái)提高文檔相似度計(jì)算的準(zhǔn)確度。最后并通過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的精確度。第二,農(nóng)業(yè)技術(shù)文檔專用停用詞表的構(gòu)建。農(nóng)業(yè)技術(shù)類文檔由于獨(dú)特的專業(yè)領(lǐng)域和書寫習(xí)慣,會(huì)產(chǎn)生一些特有的停用詞比如“田間、品種”等類似的詞,這些詞可能經(jīng)常出現(xiàn)但是對(duì)于農(nóng)業(yè)技術(shù)類文檔沒(méi)有實(shí)際意見,同時(shí)由于現(xiàn)在發(fā)布的停用詞表沒(méi)有專門針對(duì)農(nóng)業(yè)領(lǐng)域的,所以需要針對(duì)農(nóng)業(yè)領(lǐng)域構(gòu)建專用的停用詞表。第三,基于多特征的農(nóng)業(yè)web文檔推薦方法研究。本文設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)基于多特征的農(nóng)業(yè)web文檔推薦方法,該推薦方法從節(jié)氣特征、主題特征和關(guān)鍵詞特征三個(gè)維度進(jìn)行文檔相似度的計(jì)算,并將綜合相似度最高的文檔集推薦給用戶,文檔的評(píng)價(jià)方法與以基于內(nèi)容的推薦方法和基于內(nèi)容過(guò)濾的農(nóng)業(yè)信息推薦方法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,該文提出的多特征的農(nóng)業(yè)文本文檔推薦方法推薦準(zhǔn)確率較高。綜上所述,本文提出一種結(jié)合用戶瀏覽和收藏記錄、關(guān)鍵詞和24節(jié)氣的多特征的農(nóng)業(yè)web文檔推薦方法。算法從用戶過(guò)去瀏覽收藏和當(dāng)前閱讀文檔主題特征、關(guān)鍵詞特征、節(jié)氣特征等三個(gè)維度分別進(jìn)行相似度計(jì)算,將結(jié)果相加計(jì)算文檔之間的綜合相似度,并將相似度最高的文檔集推薦給用戶。實(shí)驗(yàn)結(jié)果表明,該文所提出的算法能提高對(duì)農(nóng)業(yè)web文檔推薦的準(zhǔn)確度且對(duì)其他農(nóng)業(yè)產(chǎn)品的推薦具有參考價(jià)值。
【圖文】：

圖 2.1 決策樹示意圖Fig.2.1 The example of a simple schematic tree特征屬性的處理，，C4.5在ID3的基礎(chǔ)上對(duì)其進(jìn)行了改進(jìn)型屬性的處理，可對(duì)連續(xù)型數(shù)據(jù)進(jìn)行離散化處理；逡在節(jié)點(diǎn)選擇時(shí)，根據(jù)信息增益率來(lái)進(jìn)行選擇；逡

圖 2.2 推薦流程圖Fig. 2.2. recommended flow chart薦流程，我們可進(jìn)行形象化描述。以本文的農(nóng)業(yè) Web 文檔推篇農(nóng)業(yè) Web 文檔。第一步 Item Representation，比較常篇農(nóng)業(yè) Web 文檔，本文使用主題特征、關(guān)鍵詞特征和季節(jié)
【學(xué)位授予單位】：吉林農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.1;S126

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

2 張世東;;推薦算法概述[J];科技傳播;2019年04期

3 陳軍;謝衛(wèi)紅;陳揚(yáng)森;;國(guó)內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J];中國(guó)科技論壇;2018年01期

4 向洋樂(lè);;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購(gòu)物推薦算法應(yīng)用研究[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2018年04期

5 喻國(guó)明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進(jìn)階重點(diǎn)[J];山東社會(huì)科學(xué);2018年03期

6 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2018年20期

7 劉濤;劉佐;;一種面向新文章的個(gè)性化推薦算法研究[J];控制工程;2018年06期

8 汪海鵬;鄭揚(yáng)飛;;基于特征值的律師推薦算法及改進(jìn)方案[J];計(jì)算機(jī)與現(xiàn)代化;2018年10期

9 李圣秋;吳偉明;谷勇浩;;一種結(jié)合評(píng)分時(shí)間特性的協(xié)同過(guò)濾推薦算法[J];軟件;2016年11期

10 謝桂林;詹志強(qiáng);李凱;;基于聚類的因子分解機(jī)推薦算法研究[J];軟件;2016年10期

相關(guān)會(huì)議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評(píng)分的基于二部圖的推薦算法[A];第十七屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2015年

2 秦國(guó);杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2597437