從理論界的層面而言,現(xiàn)階段有諸多的研究人士對(duì)推薦系統(tǒng)予以了高度的重視,它的應(yīng)用范圍正在逐漸的拓寬。與此同時(shí),與之對(duì)應(yīng)的功能需求的數(shù)量也隨之而大幅度的提升。舉例來(lái)說(shuō),用戶通常來(lái)講會(huì)對(duì)實(shí)時(shí)性要求以及準(zhǔn)確性要求這兩個(gè)方面格外的關(guān)注。就現(xiàn)階段來(lái)說(shuō),無(wú)論是在用戶自身提出復(fù)雜程度較高的需求時(shí),還是系統(tǒng)在分析用戶所傳達(dá)的需求的過(guò)程當(dāng)中,均會(huì)運(yùn)用到多回合模式。對(duì)于早期的機(jī)器來(lái)說(shuō),運(yùn)用單回合模式的優(yōu)勢(shì)較為明顯和突出。然而從多回合模式的角度而言,則要對(duì)強(qiáng)化算法予以高度的重視。筆者將微博網(wǎng)作為先決性條件,建立起以用戶畫像作為前提條件的推薦模型。之所以要建立起這樣一個(gè)模型,是為了能夠?qū)τ脩魧?duì)于項(xiàng)目特征的了解程度以及個(gè)人偏好予以詳細(xì)而透徹的研究,不僅如此,在其中還科學(xué)且合理的加入個(gè)性化要素。除此之外,在預(yù)測(cè)評(píng)分的期間,筆者則具有高度針對(duì)性的選擇了引入權(quán)重因子這樣一種手段,從而使得預(yù)測(cè)結(jié)果更加高效和無(wú)誤。如果將筆者所提出的模型與早期的推薦算法這兩者相互比較一番則能夠不難發(fā)現(xiàn),前者所得出的結(jié)果更加的精準(zhǔn),誤差值較小。然而總體來(lái)說(shuō),筆者所提出的模型依然有進(jìn)一步提高和完善的地方,希望在以后的學(xué)習(xí)當(dāng)中對(duì)其予以更深層次的完...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1情感分類基本框架

黑龍江大學(xué)碩士學(xué)位論文12感是樂(lè)觀的還是悲觀的予以劃分。從另外一方面而言，則為三元分類，也就是說(shuō)立足于二元分類的層面之上，再加入“中性”這一類別。2.3.2文本情感分類研究框架文本情感分類，通常來(lái)講，則可以劃分成文本獲娶情感特征工程以及情感結(jié)果評(píng)估等幾個(gè)不同的步驟。具體內(nèi)容，見(jiàn)圖....

圖2.2基于HTTP協(xié)議的網(wǎng)絡(luò)爬蟲原理

2.相關(guān)研究與理論綜述13圖2.2基于HTTP協(xié)議的網(wǎng)絡(luò)爬蟲原理其次則為HTML語(yǔ)言，其頁(yè)面結(jié)構(gòu)的則由這樣幾種不同的形式。一方面來(lái)講，則為行集合。除此之外，則為帶有節(jié)點(diǎn)的樹(shù)形結(jié)構(gòu)。從前者的角度來(lái)說(shuō)，則是將HTML元素標(biāo)簽視為分隔符。而從后者的層面而言，因?yàn)樵貥?biāo)簽均和網(wǎng)頁(yè)其他標(biāo)簽....

圖2.3HTML樹(shù)形結(jié)構(gòu)片段

2.相關(guān)研究與理論綜述13圖2.2基于HTTP協(xié)議的網(wǎng)絡(luò)爬蟲原理其次則為HTML語(yǔ)言，其頁(yè)面結(jié)構(gòu)的則由這樣幾種不同的形式。一方面來(lái)講，則為行集合。除此之外，則為帶有節(jié)點(diǎn)的樹(shù)形結(jié)構(gòu)。從前者的角度來(lái)說(shuō)，則是將HTML元素標(biāo)簽視為分隔符。而從后者的層面而言，因?yàn)樵貥?biāo)簽均和網(wǎng)頁(yè)其他標(biāo)簽....

圖2.4Word2vec求文檔向量

2.相關(guān)研究與理論綜述驗(yàn)過(guò)程當(dāng)中，主要采用單詞向量加和求平均（圖2.4），這一方法在實(shí)際使用過(guò)程當(dāng)中具有較強(qiáng)的可行性，同時(shí)也能夠相對(duì)明確和完善的表現(xiàn)出某一單詞在文檔當(dāng)中的表達(dá)能力和重要程度。

本文編號(hào)：3936719