本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的設(shè)備推薦專家系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：信息技術(shù)相比之前的發(fā)展已取得了階段性的突破,如何把這些新技術(shù)應(yīng)用到高校科研管理工作中去,提高高校的科研管理效率,方便專家的使用,推動(dòng)科研整體實(shí)力更上一個(gè)臺(tái)階,已成為國(guó)內(nèi)高校普遍關(guān)注的熱點(diǎn)問題。專家在申購設(shè)備時(shí),會(huì)在設(shè)備的選擇階段做很多調(diào)研工作,專家將考察多種設(shè)備,綜合考慮設(shè)備的各項(xiàng)屬性,最終做出決定,過程繁瑣。為此,本課題擬在專家選擇申購設(shè)備的過程中做一些切實(shí)可行的工作。當(dāng)專家需要購買設(shè)備時(shí),系統(tǒng)將會(huì)綜合考慮各類設(shè)備信息、專家信息,基于數(shù)據(jù)挖掘技術(shù),給專家推薦一些可能會(huì)用到的設(shè)備。這些設(shè)備按照一定算法取自項(xiàng)目、專家的購買歷史,按照一定權(quán)重規(guī)則排序,供專家參考瀏覽選擇。設(shè)備推薦清單中包含設(shè)備的名稱分類、主件技術(shù)指標(biāo)、性能參數(shù),還包括項(xiàng)目供應(yīng)商與預(yù)期購買價(jià)格等實(shí)用的信息。由此形成完善的基于數(shù)據(jù)挖掘的設(shè)備推薦機(jī)制,來減輕專家的重復(fù)性勞動(dòng),方便專家的設(shè)備購買工作主要的研究工作總結(jié)是：1.在介紹主流推薦算法的基礎(chǔ)上,歸納了各種算法的優(yōu)點(diǎn)與缺點(diǎn),并且進(jìn)行比較,最終確定應(yīng)用方案。2.論文提出了基于數(shù)據(jù)挖掘的設(shè)備推薦機(jī)制,文中將采用內(nèi)容過濾與協(xié)同過濾的方法,綜合考慮設(shè)備信息與專家信息,挖掘各個(gè)設(shè)備之間、各位專家之間、以及設(shè)備與專家的隱藏關(guān)系,來進(jìn)行設(shè)備推薦。3.通過實(shí)驗(yàn)證明了設(shè)備推薦的可行性與可靠性,從用戶滿意度、預(yù)測(cè)準(zhǔn)確率方向進(jìn)行調(diào)研,得到了可靠的結(jié)果,最終完成了基于數(shù)據(jù)挖掘的設(shè)備推薦專家系統(tǒng)研究。
【關(guān)鍵詞】：推薦系統(tǒng) 數(shù)據(jù)挖掘 算法
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP311.13;TP391.3
【目錄】：

• 摘要5-6
• abstract6-10
• 1 緒論10-13
• 1.1 課題研究的背景10-11
• 1.1.1 科研信息管理與設(shè)備申購10
• 1.1.2 推薦系統(tǒng)及應(yīng)用現(xiàn)狀10-11
• 1.2 研究?jī)?nèi)容11-12
• 1.3 論文的內(nèi)容安排12-13
• 2 數(shù)據(jù)挖掘與推薦系統(tǒng)的相關(guān)知識(shí)背景13-23
• 2.1 數(shù)據(jù)挖掘技術(shù)13-17
• 2.1.1 數(shù)據(jù)挖掘的定義13-14
• 2.1.2 數(shù)據(jù)挖掘的常規(guī)流程14-15
• 2.1.3 數(shù)據(jù)挖掘的技術(shù)方法15-16
• 2.1.4 數(shù)據(jù)挖掘的功用16-17
• 2.2 推薦系統(tǒng)17-22
• 2.2.1 推薦系統(tǒng)概述17-18
• 2.2.2 推薦系統(tǒng)的數(shù)學(xué)定義18-19
• 2.2.3 推薦系統(tǒng)的研究方向19-20
• 2.2.4 推薦系統(tǒng)的研究現(xiàn)狀20-21
• 2.2.5 用戶行為數(shù)據(jù)21-22
• 2.3 本章小結(jié)22-23
• 3 推薦系統(tǒng)算法介紹23-30
• 3.1 個(gè)性化推薦的算法簡(jiǎn)述23-27
• 3.1.1 基于關(guān)聯(lián)規(guī)則的推薦23
• 3.1.2 基于內(nèi)容過濾的推薦23-24
• 3.1.3 基于協(xié)同過濾的推薦24-26
• 3.1.4 各類推薦算法的比較26-27
• 3.2 推薦算法的研究目的27
• 3.3 各種推薦機(jī)制的評(píng)估方法27-29
• 3.3.1 用戶滿意度27-28
• 3.3.2 預(yù)測(cè)準(zhǔn)確率28
• 3.3.3 其他方法28-29
• 3.4 本章小結(jié)29-30
• 4 基于數(shù)據(jù)挖掘的設(shè)備推薦專家系統(tǒng)算法設(shè)計(jì)30-39
• 4.1 數(shù)據(jù)規(guī)模與算法依據(jù)分析30-31
• 4.2 特征向量相似度分析31
• 4.3 基于關(guān)鍵字的內(nèi)容過濾設(shè)備推薦算法31-34
• 4.3.1 用戶興趣模型32-34
• 4.3.2 產(chǎn)生推薦34
• 4.4 基于專家用戶的協(xié)同過濾設(shè)備推薦算法34-37
• 4.4.1 用戶信息表示35-36
• 4.4.2 最近鄰查詢36-37
• 4.4.3 推薦產(chǎn)生37
• 4.5 在推薦算法中加入聚類應(yīng)用37-38
• 4.6 本章小結(jié)38-39
• 5 基于數(shù)據(jù)挖掘的設(shè)備推薦專家系統(tǒng)系統(tǒng)設(shè)計(jì)39-67
• 5.1 數(shù)據(jù)層——數(shù)據(jù)分析41-43
• 5.2 核心推薦引擎——數(shù)據(jù)挖掘方法的實(shí)施43-62
• 5.2.1 基于關(guān)鍵字的內(nèi)容過濾設(shè)備推薦的實(shí)現(xiàn)43-49
• 5.2.2 基于專家用戶的協(xié)同過濾設(shè)備推薦的實(shí)現(xiàn)49-59
• 5.2.3 對(duì)推薦結(jié)果進(jìn)行排序59
• 5.2.4 類設(shè)計(jì)59-62
• 5.3 用戶界面交互設(shè)計(jì)62-63
• 5.4 系統(tǒng)評(píng)估與結(jié)論63-66
• 5.5 本章小結(jié)66-67
• 6 總結(jié)與展望67-69
• 6.1 研究總結(jié)67
• 6.2 未來進(jìn)一步工作的展望67-69
• 參考文獻(xiàn)69-72
• 致謝72-73
• 個(gè)人簡(jiǎn)歷73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 香麗蕓;淺談數(shù)據(jù)挖掘及其應(yīng)用[J];昌吉師專學(xué)報(bào);2001年02期

2 鄭雪燕,張杰明,岳洋;數(shù)據(jù)挖掘語言[J];計(jì)算機(jī)時(shí)代;2001年11期

3 劉明晶;數(shù)據(jù)挖掘[J];華南金融電腦;2001年04期

4 張偉;劉勇國(guó);彭軍;廖曉峰;吳中福;;數(shù)據(jù)挖掘發(fā)展研究[J];計(jì)算機(jī)科學(xué);2001年07期

5 鐘曉;馬少平;張鈸;俞瑞釗;;數(shù)據(jù)挖掘綜述[J];模式識(shí)別與人工智能;2001年01期

6 朱建平,張潤(rùn)楚;數(shù)據(jù)挖掘的發(fā)展及其特點(diǎn)[J];統(tǒng)計(jì)與決策;2002年07期

7 傅嵐;在數(shù)據(jù)海洋中打撈信息數(shù)據(jù)挖掘[J];科技廣場(chǎng);2002年11期

8 李峻;數(shù)據(jù)挖掘,企業(yè)洞察先機(jī)的“慧眼”[J];中國(guó)計(jì)算機(jī)用戶;2002年48期

9 羅可,蔡碧野,卜勝賢,謝中科;數(shù)據(jù)挖掘及其發(fā)展研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年14期

10 ;2002數(shù)據(jù)挖掘研討班[J];計(jì)算機(jī)工程;2002年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國(guó)數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢(shì)[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國(guó)科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報(bào)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國(guó)鋼鐵行業(yè)中的應(yīng)用[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2012年會(huì)暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會(huì)論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應(yīng)用[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國(guó)數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2001年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 本報(bào)記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日?qǐng)?bào);2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點(diǎn)想像力[N];計(jì)算機(jī)世界;2004年

3 □中國(guó)電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險(xiǎn)業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報(bào)記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點(diǎn)[N];中國(guó)電子報(bào);2002年

7 本報(bào)記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國(guó)信息化新浪潮[N];中國(guó)電子報(bào);2003年

8 本報(bào)記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國(guó)旅游報(bào);2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭(zhēng)的基礎(chǔ)工程[N];解放軍報(bào);2005年

10 本報(bào)記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時(shí)報(bào);2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

2 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對(duì)與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 彭計(jì)紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

5 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評(píng)估與應(yīng)用[D];電子科技大學(xué);2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2010年

7 李榮;生物信息數(shù)據(jù)挖掘若干關(guān)鍵問題研究與應(yīng)用[D];復(fù)旦大學(xué);2004年

8 李玉華;面向服務(wù)的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2006年

9 吳少智;時(shí)間序列數(shù)據(jù)挖掘在生物醫(yī)學(xué)中的應(yīng)用研究[D];電子科技大學(xué);2010年

10 王珊珊;知識(shí)指導(dǎo)下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關(guān)系上的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機(jī)遇識(shí)別與評(píng)價(jià)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

2 張彥俊;游戲運(yùn)營(yíng)中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應(yīng)用研究[D];昆明理工大學(xué);2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺(tái)設(shè)計(jì)[D];江南大學(xué);2015年

5 劉學(xué)建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時(shí)間序列預(yù)測(cè)研究與應(yīng)用[D];江南大學(xué);2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學(xué)院;2015年

8 陳丹;移動(dòng)互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營(yíng)銷的設(shè)計(jì)與實(shí)現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

9 陳思;基于數(shù)據(jù)挖掘的大學(xué)生客戶識(shí)別模型的研究[D];昆明理工大學(xué);2015年

10 位長(zhǎng)帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學(xué);2015年

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的設(shè)備推薦專家系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：355707