本文關鍵詞：智能博物館導覽系統(tǒng)的研究與應用，，由筆耕文化傳播整理發(fā)布。

【摘要】：當今,互聯(lián)網(wǎng)技術的發(fā)展迅速對博物館產(chǎn)生了深遠的影響。智能博物館是互聯(lián)網(wǎng)技術與傳統(tǒng)文化博物館相結(jié)合的產(chǎn)物,追求的是如何更好的傳播文化,為游客提供良好的游覽體驗。當今的計算機和互聯(lián)網(wǎng)技術,給智能博物館的研究帶來了機遇和挑戰(zhàn)。針對這一問題,本文研究了推薦技術在智能博物館導覽場景下的應用問題。本文首先分析了當今智能博物館和推薦技術的國內(nèi)外研究現(xiàn)狀；研究了經(jīng)典推薦算法的優(yōu)勢與不足；然后以浙江省博物館為應用示范,針對其數(shù)據(jù)特征,結(jié)合文本相似性算法和基于項目的協(xié)同過濾推薦算法,提出了一種適用于智能博物館導覽場景的文物二階段組合推薦算法。本文的具體工作如下：一、 本文通過分析浙江省博物館文物數(shù)據(jù)庫中文物資料的特點,結(jié)合現(xiàn)有的相似度算法,提出了一種文物關聯(lián)度計算模型,并且分別使用了不同的相似度算法進行了對比實驗,選擇效果較好的算法文物推薦系統(tǒng)中。二、 本文通過分析智能博物館導覽系統(tǒng)場景下文物推薦度的影響因素,以及當前基于協(xié)同過濾推薦算法中所存在的問題,結(jié)合文物關聯(lián)度計算模型和文物預評分模型,提出了一種適用于智能博物館導覽系統(tǒng)場景的文物二階段組合推薦算法。并對其與傳統(tǒng)基于項目的協(xié)同過濾算法做了性能對比實驗,結(jié)果表明性能有著顯著的提升。三、 本文設計并實現(xiàn)了一套基于C/S和B/S混合架構(gòu)的智能博物館導覽系統(tǒng)。系統(tǒng)面向文博管理者和博物館游客,實現(xiàn)了后端文物管理和前端導覽服務等功能,不僅為文博管理者提供方便,也切實為游客提供了良好的博物館游覽體驗。
【關鍵詞】：智能博物館 導覽系統(tǒng) 文物關聯(lián)度 文物推薦
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-11
• 第1章 緒論11-16
• 1.1 課題背景11-12
• 1.2 本文的主要研究內(nèi)容12-14
• 1.2.1 研究目標12-13
• 1.2.2 研究內(nèi)容13-14
• 1.3 本文的組織結(jié)構(gòu)14-15
• 1.4 本章小結(jié)15-16
• 第2章 研究現(xiàn)狀和相關理論知識技術16-29
• 2.1 智能博物館研究現(xiàn)狀16-17
• 2.1.1 國外研究現(xiàn)狀16-17
• 2.1.2 國內(nèi)研究現(xiàn)狀17
• 2.2 推薦系統(tǒng)概述17-27
• 2.2.1 推薦系統(tǒng)的定義18
• 2.2.2 常用推薦算法18-27
• 2.3 本章小結(jié)27-29
• 第3章 智能博物館文物關聯(lián)性分析29-47
• 3.1 智能博物館的文物關聯(lián)性問題分析29-30
• 3.2 基于向量空間模型的文物關聯(lián)性分析30-46
• 3.2.1 文物數(shù)據(jù)總覽30-32
• 3.2.2 文物數(shù)據(jù)預處理32-38
• 3.2.3 文物關聯(lián)度計算模型38-42
• 3.2.4 實驗和分析42-46
• 3.3 本章小結(jié)46-47
• 第4章 智能博物館導覽系統(tǒng)文物推薦模型47-61
• 4.1 智能博物館文物推薦度影響因素研究分析47-50
• 4.1.1 游客評分影響因素研究分析47-48
• 4.1.2 專家綜合評價影響因素研究分析48-49
• 4.1.3 游客歷史游覽記錄影響因素研究分析49-50
• 4.2 智能博物館導覽系統(tǒng)中的文物推薦算法50-60
• 4.2.1 基于協(xié)同過濾的推薦算法現(xiàn)狀分析50-51
• 4.2.2 文物二階段組合推薦算法51-57
• 4.2.3 文物二階段組合推薦算法效果分析57-60
• 4.3 本章小結(jié)60-61
• 第5章 智能博物館導覽系統(tǒng)的設計與實現(xiàn)61-80
• 5.1 系統(tǒng)建設需求61
• 5.2 系統(tǒng)建設目標61-62
• 5.3 系統(tǒng)設計方案62-65
• 5.3.1 技術路線62-64
• 5.3.2 系統(tǒng)功能與結(jié)構(gòu)設計64-65
• 5.4 智能博物館導覽系統(tǒng)模塊設計65-71
• 5.4.1 數(shù)據(jù)庫關鍵表結(jié)構(gòu)總覽65-67
• 5.4.2 文物預處理模塊67-68
• 5.4.3 文物關聯(lián)度計算模塊68-69
• 5.4.4 文物推薦模塊69-70
• 5.4.5 文物導覽模塊70-71
• 5.5 智能博物館導覽系統(tǒng)的實現(xiàn)71-78
• 5.5.1 公共基礎層實現(xiàn)71-73
• 5.5.2 應用服務層實現(xiàn)73-74
• 5.5.3 展示層實現(xiàn)74-78
• 5.6 本章小結(jié)78-80
• 第6章 總結(jié)與展望80-82
• 6.1 總結(jié)80-81
• 6.2 展望81-82
• 參考文獻82-86
• 攻讀碩士學位期間主要的研究成果86-87
• 致謝87

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：315303