【摘要】：以軟筆書法數(shù)字化創(chuàng)作為核心功能的互動(dòng)式書法體驗(yàn)設(shè)備是一種新型的文化體驗(yàn)裝備,該設(shè)備集成的書法資源具有數(shù)據(jù)量大、類型繁多和同質(zhì)性強(qiáng)的特點(diǎn),使得體驗(yàn)用戶難以在海量資源中高效地搜索到比較感興趣的資源,造成用戶在體驗(yàn)時(shí)產(chǎn)生新的問題,如書法臨摹時(shí)體驗(yàn)差、粘性低等。針對(duì)該問題,本文提出并實(shí)現(xiàn)了書法字資源個(gè)性化推薦技術(shù),通過混合推薦模式,捕捉用戶興趣,實(shí)現(xiàn)有效的信息過濾,并主動(dòng)向用戶推薦其可能感興趣的資源。實(shí)驗(yàn)驗(yàn)證了本文提出的方法對(duì)上述問題的有效性。本文的主要研究工作如下:(1)針對(duì)書法字資源的特點(diǎn)和書法體驗(yàn)設(shè)備用戶行為的特點(diǎn),進(jìn)行分析歸納,比較分析了不同的個(gè)性化推薦算法的適用性。(2)研究了基于VGG 16的書法字特征提取技術(shù),實(shí)現(xiàn)了從書法字資源中提取特征向量,研究了基于LDA主題模型的用戶行為特征提取技術(shù),實(shí)現(xiàn)了對(duì)用戶行為數(shù)據(jù)的特征提取。(3)研究了針對(duì)書法字資源和書法體驗(yàn)設(shè)備用戶的混合推薦策略,其中基于內(nèi)容推薦部分通過深度學(xué)習(xí)模型將書法字映射到同一向量空間中,構(gòu)建書法字之間的向量關(guān)系;協(xié)同過濾部分通過主題模型方法,將高維的“用戶-書法字”空間映射到低維空間,構(gòu)建“用戶-書寫主題”矩陣,解決數(shù)據(jù)稀疏性難題;構(gòu)建瀑布式混合推薦模型,通過逐級(jí)過濾的方式得到最終推薦結(jié)果,并對(duì)推薦結(jié)果進(jìn)行了驗(yàn)證。(4)研發(fā)了面向書法體驗(yàn)設(shè)備的書法字資源個(gè)性化推薦系統(tǒng),包括了輸入輸出模塊、數(shù)據(jù)分析模塊和推薦引擎模塊等,通過API接口為書法體驗(yàn)設(shè)備提供個(gè)性化推薦功能。本文針對(duì)書法體驗(yàn)設(shè)備的書法資源數(shù)據(jù)量大、類型繁多和同質(zhì)性強(qiáng)等特點(diǎn)導(dǎo)致的用戶體驗(yàn)性差和粘性低等問題,提出了書法字資源個(gè)性化推薦方法,并通過實(shí)驗(yàn)驗(yàn)證了所提出方法的準(zhǔn)確性。研究成果對(duì)提升書法體驗(yàn)設(shè)備的用戶體驗(yàn)有重要的工程指導(dǎo)意義。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：J292.1;TP391.3
【圖文】：

設(shè)備所包含的功能有自由書寫、名作臨摹、書法知識(shí)庫、書法字典、書法游戲、本館資源等功能，設(shè)備用戶界面如圖 2-2 所示。其中，用戶能夠通過自由書寫功能在設(shè)備面板上進(jìn)行自由創(chuàng)作，書寫工具為普通軟筆，互動(dòng)式書法體驗(yàn)設(shè)備能夠?qū)崟r(shí)還原用戶的筆觸運(yùn)行軌跡，用戶創(chuàng)作完畢后，通過掃描二維碼，能夠?qū)?chuàng)作內(nèi)容上傳到用戶手機(jī)微信客戶端中，同時(shí)將用戶信息和創(chuàng)作內(nèi)容上傳至后臺(tái)數(shù)據(jù)庫。名作臨摹功能為用戶自行選擇名家作品，采用臨摹的方式進(jìn)行書寫，但是由于字帖數(shù)量龐大，同時(shí)在體驗(yàn)過程中，訪問設(shè)備的用戶量也在持續(xù)增加，每位用戶實(shí)際臨摹的字體資源較少，用戶行為數(shù)據(jù)稀疏性較高，無法對(duì)用戶進(jìn)行有效的推薦，導(dǎo)致用戶往往不能找到自己感興趣的字帖，失去使用興趣。因此，需要利用用戶行為數(shù)據(jù)和書法字資源數(shù)據(jù)，設(shè)計(jì)相應(yīng)推薦算法，在用戶體驗(yàn)時(shí)能得到感興趣的書法資源推薦；書法知識(shí)庫中包含各種與書法練習(xí)相關(guān)的信息，如書寫技巧、運(yùn)筆方式、布局方法等；書法字典中包含大量不同書體的書法字，并提供檢索功能，幫助用戶進(jìn)行書法字檢索；書法游戲中包含幾個(gè)與書法相關(guān)的小游戲，增加趣味性；本館資源為面向場館的功能，由放置書法體驗(yàn)設(shè)備的場館自定義其功能。

文檔生成過程如圖 3-2 所示，主關(guān)的主題。詞語“研究”和“科-詞分布中概率較大。同理，詞中的概率較大。文檔 1 和文檔由主題 1 和主題 2 按照一定的字，表示該詞的所屬主題，詞語析，本文使用 LDA 方法，根據(jù)用戶書法體驗(yàn)設(shè)備的用戶行為數(shù)據(jù)，為信息建立向量空間模型[49]，其3 所示，進(jìn)行訓(xùn)練。

圖 3-5 LDA 模型圖Fig.3-5 Diagram of LDA的數(shù)學(xué)模型由 2 個(gè)分布構(gòu)成：用戶-書寫主題分布，以及其數(shù)學(xué)表達(dá)式如下：-書寫主題分布： 狄利克雷分布( )( )1 1,1 11=kKkD KkKm km kkkp = = == 多項(xiàng)式分布( ),,1 1=m kD Knm km kp t = = 主題-書法字 狄利克雷分布

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 艾磊;趙輝;;基于知識(shí)的推薦系統(tǒng)用戶交互模型研究[J];軟件導(dǎo)刊;2015年03期

2 碩良勛;柴變芳;張新東;;基于改進(jìn)最近鄰的協(xié)同過濾推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年05期

3 蔡強(qiáng);韓東梅;李海生;胡耀光;陳誼;;基于標(biāo)簽和協(xié)同過濾的個(gè)性化資源推薦[J];計(jì)算機(jī)科學(xué);2014年01期

4 馬華;王清;韓忠東;張西學(xué);郝剛;;決策樹分類算法在個(gè)性化圖書推薦中的應(yīng)用[J];軟件;2012年08期

5 李克潮;梁正友;;適應(yīng)用戶興趣變化的指數(shù)遺忘協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年13期

6 余小高;余小鵬;;基于隱式評(píng)分的推薦系統(tǒng)研究[J];計(jì)算機(jī)應(yīng)用;2009年06期

7 謝福鼎;安娜;黃丹;劉紹海;;一種基于內(nèi)容相似度和推薦反饋的信任模型[J];計(jì)算機(jī)科學(xué);2009年04期

8 楊帆;肖希明;;從資源網(wǎng)絡(luò)到知識(shí)網(wǎng)絡(luò)——Web2.0泛在知識(shí)環(huán)境下數(shù)字信息服務(wù)基礎(chǔ)建構(gòu)[J];圖書情報(bào)工作;2007年08期

9 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

本文編號(hào)：2773837