目前,我國正經(jīng)歷農(nóng)業(yè)轉(zhuǎn)型新階段。在向農(nóng)業(yè)強國邁進的過程中,信息化在提升農(nóng)業(yè)質(zhì)量、收益和競爭力方面發(fā)揮著舉足輕重的作用。針對農(nóng)業(yè)領(lǐng)域,農(nóng)業(yè)信息化的應(yīng)用程度仍待提高。人們在需求農(nóng)業(yè)新技術(shù)時,通過網(wǎng)絡(luò)搜索引擎進行查詢,速度慢、效率低。這在一定程度上阻礙了農(nóng)業(yè)科技成果的轉(zhuǎn)化效率,影響了農(nóng)業(yè)信息化技術(shù)的應(yīng)用和發(fā)展�；诖�,本文設(shè)計并開發(fā)了農(nóng)業(yè)新技術(shù)個性化推薦系統(tǒng)。本文在系統(tǒng)設(shè)計過程中,主要針對傳統(tǒng)的協(xié)同過濾算法進行改進,具體表現(xiàn)在融合BIRCH算法和K-means算法,進行聚類分析。此外,根據(jù)協(xié)同過濾算法依賴于項目具體評分的現(xiàn)狀,引入HowNet搭建語義評論詞典,通過對用戶評論語句的情感分析,得到評論詞的情感傾向值,從而對對項目評分數(shù)據(jù)進行擴充。之后,利用相關(guān)數(shù)據(jù)源,分析并得到了更加適合農(nóng)業(yè)領(lǐng)域的推薦算法模型。最后,利用該模型構(gòu)建了農(nóng)業(yè)新技術(shù)推薦系統(tǒng)。系統(tǒng)整體架構(gòu)合理,語言設(shè)計自然,滿足了用戶的個性化信息需求,成功實現(xiàn)了信息的推薦。 

【文章來源】：中國農(nóng)業(yè)科學(xué)院北京市

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景
    1.2 選題意義
    1.3 國內(nèi)外研究現(xiàn)狀分析
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 研究目標與內(nèi)容
        1.4.1 研究目標
        1.4.2 研究內(nèi)容
    1.5 研究方法與技術(shù)路線
        1.5.1 研究方法
        1.5.2 技術(shù)路線
第二章 相關(guān)技術(shù)與理論綜述
    2.1 推薦系統(tǒng)技術(shù)概述
        2.1.1 推薦系統(tǒng)概念
        2.1.2 推薦系統(tǒng)算法分類
    2.2 中文分詞的處理
        2.2.1 常見的分詞方法
        2.2.2 常見的分詞系統(tǒng)
    2.3 開發(fā)技術(shù)
        2.3.1 H5技術(shù)
        2.3.2 數(shù)據(jù)庫技術(shù)
    2.4 本章小結(jié)
第三章 基于改進K-means算法的農(nóng)業(yè)新技術(shù)推薦
    3.1 農(nóng)業(yè)信息文本預(yù)處理
    3.2 農(nóng)業(yè)技術(shù)信息特征提取及權(quán)重計算
        3.2.1 農(nóng)業(yè)技術(shù)信息特征提取
        3.2.2 農(nóng)業(yè)技術(shù)信息特征權(quán)重計算
    3.3 農(nóng)業(yè)技術(shù)信息相似度計算
    3.4 基于改進K-means算法的評論聚類
        3.4.1 改進k-means算法原理
        3.4.2 核心樹的初始化過程
        3.4.3 特征數(shù)據(jù)迭代完善核心樹
        3.4.4 改進的K-means算法增加核心樹的魯棒性
        3.4.5 改進效果分析
    3.5 基于HowNet的語義分析與評分預(yù)測
        3.5.1 基于HowNet搭建評論極性詞典
        3.5.2 評論評價詞的語義分析
        3.5.3 評分預(yù)測
        3.5.4 改進效果分析
    3.6 本章小結(jié)
第四章 推薦系統(tǒng)總體設(shè)計
    4.1 需求分析
        4.1.1 系統(tǒng)功能需求
        4.1.2 系統(tǒng)性能需求
    4.2 用例分析
        4.2.1 系統(tǒng)整體用例圖
        4.2.2 功能模塊用例圖
    4.3 推薦系統(tǒng)設(shè)計
        4.3.1 系統(tǒng)設(shè)計思想
        4.3.2 系統(tǒng)體系結(jié)構(gòu)
        4.3.3 模塊功能設(shè)計
    4.4 數(shù)據(jù)庫設(shè)計
    4.5 本章小結(jié)
第五章 推薦系統(tǒng)的實現(xiàn)和測試
    5.1 系統(tǒng)開發(fā)環(huán)境
    5.2 系統(tǒng)核心模塊實現(xiàn)
        5.2.1 用戶注冊模塊
        5.2.2 用戶登錄模塊
        5.2.3 用戶管理模塊
        5.2.4 農(nóng)業(yè)技術(shù)信息展示模塊
        5.2.5 農(nóng)業(yè)技術(shù)信息管理模塊
        5.2.6 農(nóng)業(yè)技術(shù)信息推薦模塊
        5.2.7 農(nóng)業(yè)技術(shù)信息推薦反饋模塊
    5.3 系統(tǒng)實現(xiàn)與測試
        5.3.1 功能測試
        5.3.2 性能測試
    5.4 本章總結(jié)
第六章 總結(jié)與展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于item-user混合協(xié)同過濾的推送系統(tǒng)[J]. 林元彬,葉歡歡,毛鈺銘,陽瑞,王紅星,苗巍.  福建電腦. 2019(01)
[2]基于用戶評論分析的自動評分推薦算法研究[J]. 王佳齊.  電子世界. 2018(19)
[3]基于標簽聚類與項目主題的協(xié)同過濾推薦算法[J]. 李昊陽,符云清.  計算機科學(xué). 2018(04)
[4]面向大數(shù)據(jù)的知識語義建模技術(shù)研究綜述[J]. 柴瑜晗,劉妍,司亞琪,仇晶.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(04)
[5]個性化推薦算法綜述[J]. 孫光浩,劉丹青,李夢云.  軟件. 2017(07)
[6]基于用戶評論評分與信任度的協(xié)同過濾算法[J]. 王余斌,王成良,文俊浩.  計算機應(yīng)用研究. 2018(05)
[7]海服務(wù)中面向在線視頻服務(wù)的測量與推薦系統(tǒng)[J]. 卓煜,尤佳莉,王勁林,齊衛(wèi)寧,喬楠楠.  計算機工程. 2018(04)
[8]基于協(xié)同過濾算法的電影個性化推薦系統(tǒng)設(shè)計與實現(xiàn)[J]. 廖漳.  通訊世界. 2017(05)
[9]教育大數(shù)據(jù)視角下的內(nèi)容語義分析模型及應(yīng)用研究[J]. 劉清堂,張思,范桂林,王洋,吳林靜.  電化教育研究. 2017(01)
[10]農(nóng)業(yè)電子商務(wù)中基于用戶興趣變化的協(xié)同過濾推薦技術(shù)研究[J]. 程芳.  農(nóng)業(yè)網(wǎng)絡(luò)信息. 2016(05)

博士論文
[1]基于上下文的音視頻標注研究[D]. 鐘岑岑.北京交通大學(xué) 2014
[2]基于情感相似度的社會化推薦系統(tǒng)研究[D]. 楊東輝.哈爾濱工業(yè)大學(xué) 2014
[3]日語多義感覺形容詞的語義分析研究[D]. 姜紅.北京外國語大學(xué) 2013
[4]面向公共危機預(yù)警的網(wǎng)絡(luò)輿情分析研究[D]. 董堅峰.武漢大學(xué) 2013
[5]食品安全突發(fā)事件跨媒體信息的語義分析與分類研究[D]. 劉杰.北京郵電大學(xué) 2013
[6]基于語義分析方法的視頻流媒體大數(shù)據(jù)技術(shù)研究[D]. 趙哲峰.太原理工大學(xué) 2013
[7]B2C環(huán)境下用戶感知可信的推薦系統(tǒng)理論及其關(guān)鍵方法研究[D]. 張堯.哈爾濱工業(yè)大學(xué) 2013
[8]漢語句子框架語義結(jié)構(gòu)分析技術(shù)研究[D]. 李茹.山西大學(xué) 2012
[9]基于視聽信息的視頻語義分析與檢索技術(shù)研究[D]. 閆樂林.北京郵電大學(xué) 2012
[10]基于語義統(tǒng)計分析的網(wǎng)絡(luò)輿情挖掘技術(shù)研究[D]. 萬源.武漢理工大學(xué) 2012

碩士論文
[1]基于文本類別關(guān)聯(lián)度和LSA的特征選擇方法研究[D]. 王鈺.東北師范大學(xué) 2018
[2]基于協(xié)同過濾的視頻推薦系統(tǒng)設(shè)計[D]. 李姍姍.南京郵電大學(xué) 2017
[3]基于Spark的個性化電影推薦系統(tǒng)的設(shè)計與實現(xiàn)[D]. 龐帆棟.東南大學(xué) 2017
[4]基于隱式反饋的圖書推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 趙倩倩.吉林大學(xué) 2017
[5]面向B2C商業(yè)模式的美食推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 于文強.哈爾濱工業(yè)大學(xué) 2017
[6]基于Hadoop的電子商務(wù)推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 王東.西安工業(yè)大學(xué) 2017
[7]基于web日志挖掘的個性化推薦策略及電影推薦系統(tǒng)設(shè)計[D]. 李強.重慶郵電大學(xué) 2017
[8]基于混合推薦技術(shù)的推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 龍超.電子科技大學(xué) 2017
[9]基于人際關(guān)系的校園活動推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 佟金龍.中國科學(xué)院大學(xué)(中國科學(xué)院工程管理與信息技術(shù)學(xué)院) 2017
[10]基于Spark的電影推薦系統(tǒng)設(shè)計與實現(xiàn)[D]. 武傳明.北京郵電大學(xué) 2017



本文編號：3498713