本文對(duì)采用個(gè)性化推薦的方式來輔助用戶開展文件檢索進(jìn)行研究,根據(jù)用戶歷史搜索記錄以及用戶網(wǎng)站行為日志進(jìn)行分析來推薦用戶想要的搜索結(jié)果,變被動(dòng)搜索為主動(dòng)推薦。文章從推薦系統(tǒng)的建設(shè)思路、總體架構(gòu)設(shè)計(jì)、數(shù)據(jù)采集來源分析、數(shù)據(jù)處理策略、推薦引擎的模型設(shè)計(jì)、機(jī)器學(xué)習(xí)計(jì)算框架選擇幾個(gè)部分來開展研究。重點(diǎn)闡述了基于文件的協(xié)同過濾算法疊加基于圖的推薦模型的算法核心。通過計(jì)算文件之間的相似度,并根據(jù)文件的相似度以及用戶的歷史行為生成推薦列表,再根據(jù)崗位、知識(shí)點(diǎn)等實(shí)體關(guān)聯(lián)所建立的關(guān)系圖來對(duì)推薦結(jié)果進(jìn)行過濾、排序。通過開展基于機(jī)器學(xué)習(xí)的文檔個(gè)性化推薦研究,為基于大數(shù)據(jù)及人工智能技術(shù)的文檔及信息資源開發(fā)利用做了有益的探索。 

【文章來源】：電力大數(shù)據(jù). 2019,22(09)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 核電文檔個(gè)性化推薦的目標(biāo)
2 核電文檔個(gè)性化推薦系統(tǒng)的研究
    2.1 個(gè)性化推薦系統(tǒng)的總體設(shè)計(jì)
    2.2 數(shù)據(jù)采集與預(yù)處理
    2.3 推薦引擎的模型與架構(gòu)設(shè)計(jì)
    2.4 機(jī)器學(xué)習(xí)計(jì)算框架的選型
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于協(xié)同過濾的電子商務(wù)平臺(tái)個(gè)性化推薦模型的設(shè)計(jì)與實(shí)現(xiàn)[J]. 劉會(huì)珍.  廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于用戶評(píng)論的深度情感分析和多視圖協(xié)同融合的混合推薦方法[J]. 張宜浩,朱小飛,徐傳運(yùn),董世都.  計(jì)算機(jī)學(xué)報(bào). 2019(06)
[3]基于用戶興趣度量的知識(shí)發(fā)現(xiàn)服務(wù)精準(zhǔn)推薦[J]. 丁夢(mèng)曉,畢強(qiáng),許鵬程,李潔,牟冬梅.  圖書情報(bào)工作. 2019(03)
[4]基于用戶動(dòng)態(tài)畫像的科技情報(bào)服務(wù)推薦模型構(gòu)建研究[J]. 王益成,王萍.  情報(bào)理論與實(shí)踐. 2019(04)
[5]核電企業(yè)基于“大云物移智”的文檔管理創(chuàng)新[J]. 楊強(qiáng),陳超,查鳳華.  電力大數(shù)據(jù). 2018(09)
[6]基于深度學(xué)習(xí)的高效電力部件識(shí)別[J]. 歐家祥,史文彬,張俊瑋,丁超.  電力大數(shù)據(jù). 2018(09)
[7]基于知識(shí)挖掘與協(xié)同融合的情報(bào)研究方法[J]. 肖洪,趙洪,毋曉霞.  情報(bào)理論與實(shí)踐. 2018(10)
[8]基于標(biāo)簽的商品推薦模型研究[J]. 涂海麗,唐曉波.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(09)
[9]考慮對(duì)象關(guān)聯(lián)關(guān)系的多樣化商品推薦方法[J]. 游運(yùn),萬常選,陳煌燁.  計(jì)算機(jī)工程與應(yīng)用. 2018(07)
[10]綜合用戶特征及專家信任的協(xié)作過濾推薦算法[J]. 高發(fā)展,黃夢(mèng)醒,張婷婷.  計(jì)算機(jī)科學(xué). 2017(02)



本文編號(hào)：3028092