當(dāng)今互聯(lián)網(wǎng)飛速發(fā)展,人們生活中充斥著越來(lái)越多的選擇,因此各大網(wǎng)站的推薦功能應(yīng)運(yùn)而生。當(dāng)朋友推薦一部書(shū)籍,訪問(wèn)圖書(shū)網(wǎng)站查找,目標(biāo)書(shū)籍出現(xiàn)在返回表單中,同時(shí)網(wǎng)頁(yè)會(huì)列出一些你可能喜歡的書(shū)籍,這就是推薦系統(tǒng)的應(yīng)用。對(duì)于傳統(tǒng)的協(xié)同過(guò)濾推薦算法,只憑借原有參與者的過(guò)去意見(jiàn)和行為來(lái)進(jìn)行預(yù)測(cè)。本文結(jié)合知識(shí)圖譜技術(shù)構(gòu)建圖書(shū)領(lǐng)域知識(shí)庫(kù),針對(duì)實(shí)體語(yǔ)義進(jìn)行消歧處理,對(duì)實(shí)體消歧處理后所得到的實(shí)體進(jìn)行語(yǔ)義相似度計(jì)算,再將語(yǔ)義相似的鄰域與傳統(tǒng)協(xié)同過(guò)濾推薦算法的推薦鄰域按照不同比例進(jìn)行融合,從而將有關(guān)中文實(shí)體的消歧語(yǔ)義信息融合到傳統(tǒng)協(xié)同過(guò)濾推薦算法。目的是改善傳統(tǒng)協(xié)同過(guò)濾算法未加入實(shí)體語(yǔ)義信息的弊端,理論及實(shí)驗(yàn)證明本文所改進(jìn)的算法能有效改善協(xié)同過(guò)濾算法在推薦過(guò)程中的效果,盡可能改善推薦過(guò)程中所存在冷啟動(dòng)問(wèn)題。本文提出基于領(lǐng)域知識(shí)圖譜實(shí)體消歧的協(xié)同過(guò)濾推薦算法,構(gòu)建領(lǐng)域知識(shí)庫(kù)并通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)所獲取的圖書(shū)文本信息構(gòu)建知識(shí)圖譜模型。通過(guò)基于圖譜的隨機(jī)游走算法對(duì)該領(lǐng)域內(nèi)的實(shí)體進(jìn)行語(yǔ)義相似性計(jì)算,將未消歧處理的實(shí)體所在的文本關(guān)鍵詞與知識(shí)庫(kù)里的實(shí)體備選關(guān)鍵詞,通過(guò)建立模型進(jìn)行語(yǔ)義相似度的交叉計(jì)算,將計(jì)算值最大的備選實(shí)體選定成所... 

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究的國(guó)內(nèi)外現(xiàn)狀
        1.2.1 協(xié)同過(guò)濾推薦算法的研究現(xiàn)狀
        1.2.2 知識(shí)圖譜的研究現(xiàn)狀
        1.2.3 實(shí)體消歧的研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容與組織結(jié)構(gòu)
第二章 協(xié)同過(guò)濾推薦算法的相關(guān)理論基礎(chǔ)
    2.1 協(xié)同過(guò)濾推薦算法的概述
    2.2 協(xié)同過(guò)濾推薦算法的推薦技術(shù)
        2.2.1 鄰域推薦
        2.2.2 評(píng)分矩陣推薦
    2.3 傳統(tǒng)協(xié)同過(guò)濾算法的比較
        2.3.1 基于用戶的協(xié)同過(guò)濾算法
        2.3.2 基于項(xiàng)目的協(xié)同過(guò)濾算法
        2.3.3 基于模型的協(xié)同過(guò)濾算法
        2.3.4 協(xié)同過(guò)濾算法的利弊對(duì)比
    2.4 本章小結(jié)
第三章 知識(shí)圖譜和相關(guān)算法的理論基礎(chǔ)
    3.1 知識(shí)圖譜的概述
    3.2 知識(shí)圖譜的構(gòu)建方法
    3.3 相關(guān)算法的理論基礎(chǔ)
        3.3.1 TextRank算法
        3.3.2 基于圖的隨機(jī)游走算法
    3.4 本章小結(jié)
第四章 基于知識(shí)圖譜融合關(guān)鍵詞提取的實(shí)體消歧方法
    4.1 基于知識(shí)圖譜融合關(guān)鍵詞提取的實(shí)體消歧方法具體步驟
        4.1.1 獲取備選實(shí)體和提取目標(biāo)關(guān)鍵詞
        4.1.2 構(gòu)建詞向量的相似度計(jì)算
        4.1.3 基于知識(shí)圖譜的隨機(jī)游走算法計(jì)算相似度
        4.1.4 實(shí)體消歧語(yǔ)義相似度計(jì)算
    4.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.2.1 數(shù)據(jù)集的獲取
        4.2.2 實(shí)驗(yàn)一: 調(diào)節(jié)計(jì)算相似度方法的權(quán)重
        4.2.3 實(shí)驗(yàn)二: 調(diào)節(jié)關(guān)鍵詞數(shù)量對(duì)實(shí)體消歧準(zhǔn)確率的影響
        4.2.4 實(shí)驗(yàn)三: 調(diào)節(jié)關(guān)鍵詞數(shù)量對(duì)空實(shí)體閾值的影響
    4.3 本章小結(jié)
第五章 基于領(lǐng)域知識(shí)圖譜實(shí)體消歧的協(xié)同過(guò)濾推薦算法
    5.1 基于領(lǐng)域知識(shí)圖譜實(shí)體消歧的協(xié)同過(guò)濾推薦算法
        5.1.1 算法描述
        5.1.2 算法流程
    5.2 融合實(shí)體語(yǔ)義向量相似性與物品評(píng)價(jià)向量相似性的過(guò)程
    5.3 實(shí)驗(yàn)設(shè)計(jì)與分析結(jié)果
        5.3.1 數(shù)據(jù)集的選取
        5.3.2 評(píng)估方法
        5.3.3 實(shí)驗(yàn)一: 調(diào)節(jié)語(yǔ)義推薦與協(xié)同過(guò)濾推薦算法推薦融合比例
        5.3.4 實(shí)驗(yàn)二: 調(diào)節(jié)知識(shí)圖譜為抽象向量所嵌入空間的維度
        5.3.5 實(shí)驗(yàn)三: 算法比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于智能推薦模型的評(píng)分系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 麻亞妮.  微型電腦應(yīng)用. 2019(03)
[2]基于隱式反饋LDA模型的協(xié)同推薦算法研究[J]. 翟航天,汪學(xué)明.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[3]一種利用項(xiàng)目文本信息與評(píng)分信息的混合推薦方法[J]. 徐智慧.  科學(xué)技術(shù)創(chuàng)新. 2019(03)
[4]基于加權(quán)超圖隨機(jī)游走的文獻(xiàn)關(guān)鍵詞提取算法[J]. 馬慧芳,劉芳,夏琴,郝占軍.  電子學(xué)報(bào). 2018(06)
[5]基于知識(shí)圖譜的國(guó)內(nèi)外BIM領(lǐng)域研究對(duì)比[J]. 朱記偉,蔣雅麗,翟曌,趙欽.  土木工程學(xué)報(bào). 2018(02)
[6]協(xié)同過(guò)濾推薦算法研究進(jìn)展[J]. 翁小蘭,王志堅(jiān).  計(jì)算機(jī)工程與應(yīng)用. 2018(01)
[7]知識(shí)圖譜研究綜述[J]. 李涓子,侯磊.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]面向?qū)嶓w鏈接的多特征圖模型實(shí)體消歧方法[J]. 高艷紅,李愛(ài)萍,段利國(guó).  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[9]一種基于TextRank的文本二次聚類算法[J]. 潘曉英,胡開(kāi)開(kāi),朱靜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(08)
[10]知識(shí)表示學(xué)習(xí)研究進(jìn)展[J]. 劉知遠(yuǎn),孫茂松,林衍凱,謝若冰.  計(jì)算機(jī)研究與發(fā)展. 2016(02)

博士論文
[1]基于Web文本和知識(shí)圖譜的實(shí)體摘要[D]. 閆季鴻.華東師范大學(xué) 2016
[2]協(xié)同過(guò)濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D]. 冷亞軍.合肥工業(yè)大學(xué) 2013
[3]推薦系統(tǒng)的協(xié)同過(guò)濾算法與應(yīng)用研究[D]. 郭艷紅.大連理工大學(xué) 2008

碩士論文
[1]基于鄰域?qū)W習(xí)多目標(biāo)粒子群優(yōu)化算法的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦方法[D]. 劉中鋒.浙江工業(yè)大學(xué) 2017
[2]協(xié)同過(guò)濾算法的改進(jìn)與應(yīng)用研究[D]. 王璇.南京郵電大學(xué) 2017
[3]面向稀疏數(shù)據(jù)優(yōu)化的協(xié)同過(guò)濾推薦算法[D]. 陳宗言.南京郵電大學(xué) 2017
[4]基于鄰域的協(xié)同過(guò)濾推薦算法研究[D]. 于陽(yáng).解放軍信息工程大學(xué) 2017
[5]命名實(shí)體消歧的研究與實(shí)現(xiàn)[D]. 楊曉.北京郵電大學(xué) 2017
[6]一種基于知識(shí)圖譜的用戶搜索意圖挖掘方法的研究[D]. 石剛.國(guó)際關(guān)系學(xué)院 2016
[7]基于用戶特征和偏好的協(xié)同過(guò)濾推薦算法[D]. 肖丹萍.暨南大學(xué) 2011



本文編號(hào)：3727555