近年來,人工智能技術(shù)不斷發(fā)展,搜索推薦系統(tǒng)也在各個(gè)領(lǐng)域得到更廣泛的應(yīng)用。在這個(gè)信息爆炸的時(shí)代,各個(gè)領(lǐng)域的信息龐大,在短時(shí)間內(nèi)找到有效信息成為了關(guān)鍵問題。雖然通用領(lǐng)域的搜索推薦系統(tǒng)在日益完善,但是部分垂直領(lǐng)域由于數(shù)據(jù)的特殊性,其搜索推薦技術(shù)還有待提高。本文選取的數(shù)據(jù)屬部分垂直領(lǐng)域內(nèi)容,提出了基于語義相關(guān)和用戶點(diǎn)擊偏好的搜索推薦方法,并完成了搜索推薦系統(tǒng)的實(shí)現(xiàn)和測試。主要內(nèi)容包括三部分:（1）第一部分是提出一種基于詞向量加權(quán)和支持向量回歸的搜索文本和待推薦的內(nèi)容標(biāo)題文本的語義相關(guān)性計(jì)算方法。用戶輸入搜索內(nèi)容是用戶查找內(nèi)容標(biāo)題文本的前綴,搜索文本與待推薦的內(nèi)容標(biāo)題文本在語義上存在相關(guān)性。針對搜索文本和內(nèi)容標(biāo)題文本采用基于詞向量加權(quán)平均的文本向量構(gòu)建技術(shù)進(jìn)行表征,采用支持向量回歸算法度量出二者的語義相關(guān)性。（2）第二部分是提出一種基于遷移學(xué)習(xí)和用戶點(diǎn)擊偏好和的權(quán)重修正方法。結(jié)合用戶點(diǎn)擊偏好修正第一部分的語義相關(guān)性模型,以期達(dá)到兼顧語義相關(guān)性和點(diǎn)擊偏好的目的。根據(jù)用戶在同一搜索文本下對不同文本的點(diǎn)擊概率,使用點(diǎn)擊概率代表用戶的點(diǎn)擊偏好,基于遷移學(xué)習(xí)和支持向量回歸進(jìn)一步對語義相關(guān)性模型進(jìn)行修正。收... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

搜索推薦場景如今學(xué)術(shù)界提出了許多推薦方法，這些方法大致分為四類：基于內(nèi)容的過濾、協(xié)同過濾、基于規(guī)則的推薦以及混合方法推薦

傳統(tǒng)搜索推薦技術(shù)整體框架

有監(jiān)督學(xué)習(xí)的主要步驟有監(jiān)督的機(jī)器學(xué)習(xí)方法主要包括：支持向量機(jī)、線性回歸、邏輯回歸、決策樹、樸素貝葉斯、k近鄰算法、集成學(xué)習(xí)等


本文編號：3409199