基于知識圖譜的新聞推薦系統(tǒng)的研究與實現(xiàn)
發(fā)布時間:2023-04-07 22:44
為用戶推薦其感興趣的新聞內(nèi)容,已經(jīng)成為了各大互聯(lián)網(wǎng)新聞平臺的首要技術(shù)目標(biāo)。傳統(tǒng)的新聞推薦方法主要是基于用戶間的相似度以及新聞內(nèi)容間的相似度產(chǎn)生推薦列表。以上兩種推薦方法雖然有效,但卻忽略了新聞文本中存在的語義信息。知識圖譜是一種描述實體以及實體之間鏈接關(guān)系的語義網(wǎng)絡(luò),基于知識圖譜實現(xiàn)精準(zhǔn)推薦是推薦系統(tǒng)目前的研究熱點。本文基于知識圖譜提出了一種用戶興趣向量的計算方法,在此基礎(chǔ)上結(jié)合先進的卷積神經(jīng)網(wǎng)絡(luò)來構(gòu)建推薦模型。所提出的基于知識圖譜的新聞推薦方法,能借助知識圖譜提取新聞文本中的部分語義信息,并將其應(yīng)用于計算用戶的興趣向量,從而產(chǎn)生較好的符合用戶語義的推薦結(jié)果。本文的主要研究內(nèi)容及工作如下:(1)知識圖譜和相關(guān)技術(shù)的研究分析。本文研究了知識圖譜、推薦技術(shù)的基礎(chǔ)理論,并歸納介紹了相關(guān)研究現(xiàn)狀,列舉了一些具有代表性的研究成果。(2)通用簡易的知識圖譜構(gòu)建。本文使用財新網(wǎng)的新聞數(shù)據(jù)集,進行預(yù)處理并去除停用詞后,通過依存句法分析抽取三元組,借助圖數(shù)據(jù)庫Neo4j進行知識存儲,構(gòu)建了一個通用知識圖譜。(3)基于知識圖譜的新聞推薦方法的研究。本文提出了一種基于知識圖譜的用戶興趣向量的計算方法,還基于...
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
1.5 本章小結(jié)
第2章 主要技術(shù)介紹
2.1 推薦技術(shù)
2.2 知識圖譜
2.3 詞向量及卷積神經(jīng)網(wǎng)絡(luò)
2.4 Web前后端技術(shù)
2.5 本章小結(jié)
第3章 知識圖譜的構(gòu)建
3.1 數(shù)據(jù)集介紹
3.2 三元組抽取
3.3 知識存儲
3.4 本章小結(jié)
第4章 新聞推薦模型的構(gòu)建與訓(xùn)練
4.1 用戶興趣向量的計算
4.2 推薦模型的構(gòu)建
4.3 實驗方法及結(jié)果分析
4.3.1 實驗方法
4.3.2 推薦模型的訓(xùn)練
4.3.3 評價標(biāo)準(zhǔn)
4.3.4 實驗結(jié)果分析
4.4 本章小節(jié)
第5章 新聞推薦系統(tǒng)的需求分析與總體設(shè)計
5.1 系統(tǒng)需求分析
5.1.1 功能需求
5.1.2 性能需求
5.1.3 用例分析
5.1.4 數(shù)據(jù)流分析
5.2 系統(tǒng)架構(gòu)設(shè)計
5.3 系統(tǒng)功能模塊設(shè)計
5.3.1 客戶端模塊設(shè)計
5.3.2 管理端模塊設(shè)計
5.4 系統(tǒng)數(shù)據(jù)庫設(shè)計
5.4.1 核心業(yè)務(wù)ER模型設(shè)計
5.4.2 數(shù)據(jù)庫表設(shè)計
5.5 本章小結(jié)
第6章 新聞推薦系統(tǒng)的詳細設(shè)計與實現(xiàn)
6.1 核心類設(shè)計
6.2 注冊登錄模塊的詳細設(shè)計與實現(xiàn)
6.3 新聞推薦模塊的詳細設(shè)計與實現(xiàn)
6.4 新聞瀏覽模塊的詳細設(shè)計與實現(xiàn)
6.5 個人中心的詳細設(shè)計與實現(xiàn)
6.6 新聞管理模塊的詳細設(shè)計與實現(xiàn)
6.7 用戶管理模塊的詳細設(shè)計與實現(xiàn)
6.8 角色管理模塊的詳細設(shè)計與實現(xiàn)
6.9 權(quán)限管理模塊的詳細設(shè)計與實現(xiàn)
6.10 數(shù)據(jù)統(tǒng)計模塊的詳細設(shè)計與實現(xiàn)
6.11 系統(tǒng)部署
6.12 系統(tǒng)測試
6.12.1 功能測試
6.12.2 性能測試
6.13 本章小結(jié)
第7章 總結(jié)與展望
7.1 工作總結(jié)
7.2 未來展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果
本文編號:3785477
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
1.5 本章小結(jié)
第2章 主要技術(shù)介紹
2.1 推薦技術(shù)
2.2 知識圖譜
2.3 詞向量及卷積神經(jīng)網(wǎng)絡(luò)
2.4 Web前后端技術(shù)
2.5 本章小結(jié)
第3章 知識圖譜的構(gòu)建
3.1 數(shù)據(jù)集介紹
3.2 三元組抽取
3.3 知識存儲
3.4 本章小結(jié)
第4章 新聞推薦模型的構(gòu)建與訓(xùn)練
4.1 用戶興趣向量的計算
4.2 推薦模型的構(gòu)建
4.3 實驗方法及結(jié)果分析
4.3.1 實驗方法
4.3.2 推薦模型的訓(xùn)練
4.3.3 評價標(biāo)準(zhǔn)
4.3.4 實驗結(jié)果分析
4.4 本章小節(jié)
第5章 新聞推薦系統(tǒng)的需求分析與總體設(shè)計
5.1 系統(tǒng)需求分析
5.1.1 功能需求
5.1.2 性能需求
5.1.3 用例分析
5.1.4 數(shù)據(jù)流分析
5.2 系統(tǒng)架構(gòu)設(shè)計
5.3 系統(tǒng)功能模塊設(shè)計
5.3.1 客戶端模塊設(shè)計
5.3.2 管理端模塊設(shè)計
5.4 系統(tǒng)數(shù)據(jù)庫設(shè)計
5.4.1 核心業(yè)務(wù)ER模型設(shè)計
5.4.2 數(shù)據(jù)庫表設(shè)計
5.5 本章小結(jié)
第6章 新聞推薦系統(tǒng)的詳細設(shè)計與實現(xiàn)
6.1 核心類設(shè)計
6.2 注冊登錄模塊的詳細設(shè)計與實現(xiàn)
6.3 新聞推薦模塊的詳細設(shè)計與實現(xiàn)
6.4 新聞瀏覽模塊的詳細設(shè)計與實現(xiàn)
6.5 個人中心的詳細設(shè)計與實現(xiàn)
6.6 新聞管理模塊的詳細設(shè)計與實現(xiàn)
6.7 用戶管理模塊的詳細設(shè)計與實現(xiàn)
6.8 角色管理模塊的詳細設(shè)計與實現(xiàn)
6.9 權(quán)限管理模塊的詳細設(shè)計與實現(xiàn)
6.10 數(shù)據(jù)統(tǒng)計模塊的詳細設(shè)計與實現(xiàn)
6.11 系統(tǒng)部署
6.12 系統(tǒng)測試
6.12.1 功能測試
6.12.2 性能測試
6.13 本章小結(jié)
第7章 總結(jié)與展望
7.1 工作總結(jié)
7.2 未來展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果
本文編號:3785477
本文鏈接:http://sikaile.net/xinwenchuanbolunwen/3785477.html
最近更新
教材專著