發(fā)布時間：2021-09-25 05:38

　　近年來,人工智能技術不斷發(fā)展,搜索推薦系統(tǒng)也在各個領域得到更廣泛的應用。在這個信息爆炸的時代,各個領域的信息龐大,在短時間內找到有效信息成為了關鍵問題。雖然通用領域的搜索推薦系統(tǒng)在日益完善,但是部分垂直領域由于數據的特殊性,其搜索推薦技術還有待提高。本文選取的數據屬部分垂直領域內容,提出了基于語義相關和用戶點擊偏好的搜索推薦方法,并完成了搜索推薦系統(tǒng)的實現和測試。主要內容包括三部分:（1）第一部分是提出一種基于詞向量加權和支持向量回歸的搜索文本和待推薦的內容標題文本的語義相關性計算方法。用戶輸入搜索內容是用戶查找內容標題文本的前綴,搜索文本與待推薦的內容標題文本在語義上存在相關性。針對搜索文本和內容標題文本采用基于詞向量加權平均的文本向量構建技術進行表征,采用支持向量回歸算法度量出二者的語義相關性。（2）第二部分是提出一種基于遷移學習和用戶點擊偏好和的權重修正方法。結合用戶點擊偏好修正第一部分的語義相關性模型,以期達到兼顧語義相關性和點擊偏好的目的。根據用戶在同一搜索文本下對不同文本的點擊概率,使用點擊概率代表用戶的點擊偏好,基于遷移學習和支持向量回歸進一步對語義相關性模型進行修正。收... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

搜索推薦場景如今學術界提出了許多推薦方法，這些方法大致分為四類：基于內容的過濾、協(xié)同過濾、基于規(guī)則的推薦以及混合方法推薦

傳統(tǒng)搜索推薦技術整體框架

有監(jiān)督學習的主要步驟有監(jiān)督的機器學習方法主要包括：支持向量機、線性回歸、邏輯回歸、決策樹、樸素貝葉斯、k近鄰算法、集成學習等


本文編號：3409199