近年來,文化旅游逐漸成為現(xiàn)代旅游業(yè)發(fā)展的主流之一。文化內(nèi)涵是文化旅游景點的核心競爭力,文化旅游產(chǎn)品的競爭體現(xiàn)為文化的競爭。對景區(qū)景點描述文本按文化屬性自動分類,是快速建設(shè)文化旅游信息服務(wù)知識庫的重要途徑之一。針對文化旅游信息過載問題,推薦技術(shù)在一定程度上可以幫助人們快速尋找到感興趣的景區(qū)景點。然而,但現(xiàn)有的推薦算法并未考慮文化旅游景區(qū)景點中蘊含著文化背景或要素,無法推薦出特定文化屬性的文化旅游景區(qū)景點。本文根據(jù)文化旅游景區(qū)景點描述文本非結(jié)構(gòu)化的特點,提出了一種基于樸素貝葉斯的文化旅游景區(qū)景點描述文本自動分類方法,并針對現(xiàn)有推薦算法無法根據(jù)文化旅游的特點進(jìn)行推薦的問題,設(shè)計并實現(xiàn)一個交互式文化旅游景區(qū)景點在線推薦系統(tǒng)。主要研究成果如下:1.分析總結(jié)了文本分類、推薦系統(tǒng)和詞向量的相關(guān)理論和技術(shù)。首先,對文本分類問題進(jìn)行簡單的概述,重點分析了文本分類過程中所涉及的方法和技術(shù),包括分詞、去停用詞、向量空間模型（VSM）、特征降維、常用的幾種文本分類算法等。其次,重點論述了推薦系統(tǒng)的基本概念和基本模型,總結(jié)了經(jīng)典的推薦算法、評價指標(biāo)和推薦系統(tǒng)。最后,詳細(xì)介紹了詞向量、神經(jīng)網(wǎng)絡(luò)語言模型和word2... 

【文章來源】：福州大學(xué)福建省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１?ＳｍａｌｌＷｏｒｌｄｓ推薦頁面??ＴａｓｔｅＷｅｉｇｈｔｓｌ＃利用多種數(shù)據(jù)和技術(shù)產(chǎn)生推薦結(jié)果，通過關(guān)聯(lián)用戶評分、計算用戶??

圖１－３?ＴＩＧＲＳ推薦頁面??Ｇｒａｐｈ?ｅｍｂｅｄｄｉｎｇｓ＾７２】將相似的物品通過軸連接起來，它們和ＳｍａｌｌＷｏｒｌｄｓ?—樣，點圖來展示物品，節(jié)點之間的距離表示物品之間的相似性，Ｇｒａｐｈ?ｅｍｂｅｄｄｉｎｇｓ色區(qū)分不同類別的物品（如圖１－５所不）。ＴａｌｋＥｘｐｌｏｒｅｒ１７３】和ＳｅｔＦｕｓｉｏｎ１７４］對推薦推薦技術(shù)之間的關(guān)系進(jìn)行可視化，ＴａｌｋＥｘｐｌｏｒｅｒ使用代理的方式展示多種推薦推薦結(jié)果（如圖１－６所示），例如，基于標(biāo)簽的代理和基于內(nèi)容的代理分別使用標(biāo)簽和基于內(nèi)容的推薦技術(shù)。用戶可以瀏覽相關(guān)的推薦結(jié)果，并通過探索與其和標(biāo)簽的關(guān)系找到相似的物品。ＳｅｔＦｕｓｉｃｍ利用維恩圖檢查和過濾多種推薦技項目。界面分為三個部分（如圖丨－７所示）：左上角展示技術(shù)的重要程度，左下恩圖代表推薦項目與技術(shù)之間的關(guān)系，右側(cè)推薦列表展示推薦的一些細(xì)節(jié)，用于連接三個部分，這種方法使用戶可以了解推薦系統(tǒng)的內(nèi)在邏輯，也就是可以看到系統(tǒng)使用了哪些推薦技術(shù)以及推薦過程中每個技術(shù)所占的權(quán)重。??８??

?ＯｋＧｃ?？??圖１－２?ＴａｓｔｅＷｅｉｇｈｔｓ推薦頁面??Ｆｉｌｔｅｒ?Ｃｏｎｔｒｏｌ：??Ｃ?ＪＭｍｒｘａｍｃＨ＾ｎａｒｉ?ｆ?■■ｒｃｈ??＂＂＂■＊＂—?ｒｗ??內(nèi)齡Ｉ．—ＩＷ?？�。摺�?＿＊?＞．?＼??ｖｅｈＫｔｏｅｏｅｗｅｕｉｅｅｍ＊＊?＼＼?＿??＊ｏｒ?ｘｗｗｆｃｎ?ｉ?ｊｒ?Ａ??ｕｎｊ．ｗｘ?１?ｌｉｎｔａｆｄｔｏｃｉｐｉｌｎａｒｙ?ｉｎｎｏｖａｔｉｏｎ?ｎｕｎａ０？?？?ｍ？ｎｔ??ＪＷ？?ｕａｍａｕｎ?？ｍｍ??ｎ?＼??一?＼?＿??｜｜?ｅｏ？？？ｎｆｉ〇ｃｏｃｗｗＨ４?？ｎ〇ｗｎ??圖１－３?ＴＩＧＲＳ推薦頁面??Ｇｒａｐｈ?ｅｍｂｅｄｄｉｎｇｓ＾７２】將相似的物品通過軸連接起來，它們和ＳｍａｌｌＷｏｒｌｄｓ?—樣，通??過節(jié)點圖來展示物品，節(jié)點之間的距離表示物品之間的相似性，Ｇｒａｐｈ?ｅｍｂｅｄｄｉｎｇｓ使??用顏色區(qū)分不同類別的物品（如圖１－５所不）。ＴａｌｋＥｘｐｌｏｒｅｒ１７３】和ＳｅｔＦｕｓｉｏｎ１７４］對推薦項??目與推薦技術(shù)之間的關(guān)系進(jìn)行可視化，ＴａｌｋＥｘｐｌｏｒｅｒ使用代理的方式展示多種推薦技??術(shù)的推薦結(jié)果（如圖１－６所示），例如，基于標(biāo)簽的代理和基于內(nèi)容的代理分別使用了??基于標(biāo)簽和基于內(nèi)容的推薦技術(shù)。用戶可以瀏覽相關(guān)的推薦結(jié)果，并通過探索與其它??用戶和標(biāo)簽的關(guān)系找到相似的物品。ＳｅｔＦｕｓｉｃｍ利用維恩圖檢查和過濾多種推薦技術(shù)推??薦的項目。界面分為三個部分（如圖丨－７所示）：左上角展示技術(shù)的重要程度，左下角??的維恩圖代表推薦項目與技術(shù)之間的關(guān)系，右側(cè)推薦列表展示推薦的一些細(xì)節(jié)，顏色??提示用于連接三個部分

【參考文獻(xiàn)】：
期刊論文
[1]基于標(biāo)簽的個性化旅游推薦[J]. 李雅美,王昌棟.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2017(07)
[2]基于word2vec和LSTM的飲食健康文本分類研究[J]. 趙明,杜會芳,董翠翠,陳長松.  農(nóng)業(yè)機械學(xué)報. 2017(10)
[3]基于概率主題模型的景點知識挖掘及其可視化[J]. 徐潔,范玉順,白冰.  計算機應(yīng)用. 2016(08)
[4]基于Web數(shù)據(jù)的農(nóng)業(yè)網(wǎng)絡(luò)信息自動采集與分類系統(tǒng)[J]. 段青玲,魏芳芳,張磊,肖曉琰.  農(nóng)業(yè)工程學(xué)報. 2016(12)
[5]基于事件卷積特征的新聞文本分類[J]. 夏從零,錢濤,姬東鴻.  計算機應(yīng)用研究. 2017(04)
[6]基于聚類改進(jìn)的KNN文本分類算法[J]. 周慶平,譚長庚,王宏君,湛淼湘.  計算機應(yīng)用研究. 2016(11)
[7]基于支持向量機的中文農(nóng)業(yè)文本分類技術(shù)研究[J]. 魏芳芳,段青玲,肖曉琰,張磊.  農(nóng)業(yè)機械學(xué)報. 2015(S1)
[8]組推薦系統(tǒng)及其應(yīng)用研究[J]. 張玉潔,杜雨露,孟祥武.  計算機學(xué)報. 2016(04)
[9]唐詩題材自動分類研究[J]. 胡韌奮,諸雨辰.  北京大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[10]基于位置的社會化網(wǎng)絡(luò)推薦系統(tǒng)[J]. 劉樹棟,孟祥武.  計算機學(xué)報. 2015(02)

博士論文
[1]文本分類關(guān)鍵技術(shù)及應(yīng)用研究[D]. 鳳麗洲.吉林大學(xué) 2015

碩士論文
[1]面向航天領(lǐng)域知識管理的信息采集與分類應(yīng)用研究[D]. 郭頌.中國科學(xué)院國家空間科學(xué)中心 2016
[2]基于關(guān)聯(lián)規(guī)則算法的旅游推薦研究[D]. 李遠(yuǎn)博.陜西師范大學(xué) 2015
[3]基于時空數(shù)據(jù)的旅游信息推薦研究[D]. 于蓓佳.山東師范大學(xué) 2015
[4]基于旅游文記的旅游景點推薦及行程路線規(guī)劃系統(tǒng)[D]. 胡喬楠.浙江大學(xué) 2015
[5]基于文本挖掘的企業(yè)情報自動分類系統(tǒng)研究與應(yīng)用[D]. 吳展云.廣東工業(yè)大學(xué) 2016



本文編號：3466115