隨著互聯(lián)網(wǎng)以及大數(shù)據(jù)技術(shù)應(yīng)用越來越廣泛,人們不僅獲取到海量數(shù)據(jù),同時(shí)生活方式也發(fā)生了極大的改變,其中網(wǎng)購成為一種必不可少的購物方式。為了提供給用戶良好的購物體驗(yàn),推薦系統(tǒng)扮演著不可或缺的角色。最具代表的是協(xié)同過濾推薦算法,該算法模型簡單,在業(yè)界被廣泛使用。但該算法存在冷啟動(dòng)和數(shù)據(jù)稀疏問題,同時(shí)缺乏對數(shù)據(jù)語義信息的描述,無法實(shí)現(xiàn)對用戶和商品的精準(zhǔn)刻畫,實(shí)現(xiàn)精準(zhǔn)推薦難度較大。知識(shí)圖譜作為一種海量知識(shí)的表征形式,旨在描述真實(shí)世界中存在的各種實(shí)體和概念。知識(shí)圖譜是一種語義網(wǎng)絡(luò),可以融合多種數(shù)據(jù)源豐富語義信息,并結(jié)合推理得到的隱含信息為用戶提供服務(wù)。知識(shí)圖譜作為一種新的知識(shí)儲(chǔ)備已被廣泛應(yīng)用,更被廣泛應(yīng)用于推薦系統(tǒng)。本文進(jìn)行基于知識(shí)圖譜的汽車交易智能推薦系統(tǒng)研究。以汽車交易系統(tǒng)為應(yīng)用背景,通過實(shí)體和關(guān)系抽取構(gòu)建領(lǐng)域知識(shí)圖譜,并建立高覆蓋率的實(shí)體、概念及語義信息,最后將傳統(tǒng)的協(xié)同過濾算法與知識(shí)圖譜相融合,實(shí)現(xiàn)汽車交易的智能推薦。本文研究工作有以下幾個(gè)部分:（1）對基于網(wǎng)站網(wǎng)頁數(shù)據(jù)的知識(shí)抽取方法進(jìn)行研究,并構(gòu)建領(lǐng)域知識(shí)圖譜�；赟VM方法對網(wǎng)頁數(shù)據(jù)進(jìn)行實(shí)體抽取,基于Bootstrap對網(wǎng)頁數(shù)據(jù)進(jìn)行關(guān)系... 

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 知識(shí)圖譜研究現(xiàn)狀
        1.2.2 推薦系統(tǒng)研究現(xiàn)狀
        1.2.3 基于知識(shí)圖譜推薦系統(tǒng)的研究現(xiàn)狀
    1.3 論文的研究內(nèi)容和創(chuàng)新點(diǎn)
    1.4 論文的結(jié)構(gòu)安排
第二章 相關(guān)理論和方法
    2.1 知識(shí)圖譜和人工智能
    2.2 知識(shí)圖譜的構(gòu)建方法
    2.3 知識(shí)圖譜的構(gòu)建關(guān)鍵技術(shù)
        2.3.1 知識(shí)抽取
        2.3.2 知識(shí)融合
        2.3.3 知識(shí)推理
        2.3.4 質(zhì)量評估
    2.4 知識(shí)圖譜的典型應(yīng)用
    2.5 智能推薦技術(shù)
    2.6 本章小節(jié)
第三章 領(lǐng)域知識(shí)圖譜構(gòu)建技術(shù)研究
    3.1 基于SVM的 Web實(shí)體抽取研究
        3.1.1 支持向量機(jī)
        3.1.2 基于SVM的 Web實(shí)體抽取
            3.1.2.1 網(wǎng)頁結(jié)構(gòu)分析
            3.1.2.2 領(lǐng)域數(shù)據(jù)實(shí)體抽取
    3.2 基于Bootstrap關(guān)系抽取算法研究
        3.2.1 算法描述
    3.3 實(shí)驗(yàn)簡介
    3.4 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第四章 基于翻譯模型的知識(shí)圖譜表示學(xué)習(xí)
    4.1 傳統(tǒng)的物品語義表示
    4.2 傳統(tǒng)的物品語義表示存在的問題
    4.3 基于知識(shí)圖譜表示學(xué)習(xí)的物品向量化思想
        4.3.1 知識(shí)表示學(xué)習(xí)
        4.3.2 物品向量化表示思想
    4.4 翻譯模型訓(xùn)練過程
        4.4.1 評分函數(shù)
        4.4.2 翻譯模型訓(xùn)練算法
    4.5 實(shí)驗(yàn)結(jié)果及分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.5.2 實(shí)驗(yàn)結(jié)果
    4.6 總結(jié)
第五章 基于知識(shí)圖譜的智能推薦算法研究
    5.1 基于協(xié)同過濾的推薦算法及其改進(jìn)
        5.1.1 基于協(xié)同過濾的推薦算法
        5.1.2 改進(jìn)的推薦算法
    5.2 推薦算法框架
    5.3 基于知識(shí)圖譜的實(shí)體相似度
    5.4 基于協(xié)同過濾的物品相似度計(jì)算
        5.4.1 構(gòu)建評分矩陣
        5.4.2 計(jì)算相似度
    5.5 兩種推薦算法的相似度融合及預(yù)測用戶評分
    5.6 實(shí)驗(yàn)結(jié)果及分析
    5.7 本章小節(jié)
第六章 基于知識(shí)圖譜的智能推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    6.1 系統(tǒng)概述
    6.2 系統(tǒng)總體設(shè)計(jì)
    6.3 系統(tǒng)模塊功能實(shí)現(xiàn)
        6.3.1 用戶登錄模塊
        6.3.2 用戶管理模塊
        6.3.3 商品管理模塊
        6.3.4 推薦結(jié)果模塊
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 本文總結(jié)
    7.2 未來展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]融合循環(huán)知識(shí)圖譜和協(xié)同過濾電影推薦算法[J]. 李浩,張亞釧,康雁,楊兵,卜榮景,李晉源.  計(jì)算機(jī)工程與應(yīng)用. 2020(02)
[2]國內(nèi)基于知識(shí)圖譜的信息推薦研究進(jìn)展[J]. 孫雨生,祝博,朱禮軍.  情報(bào)理論與實(shí)踐. 2019(12)
[3]基于知識(shí)圖譜的用戶偏好神經(jīng)建模框架[J]. 朱桂明,賓辰忠,古天龍,陳煒,賈中浩.  模式識(shí)別與人工智能. 2019(07)
[4]個(gè)性化推薦研究熱點(diǎn)及學(xué)術(shù)群探析——基于1990—2017年數(shù)據(jù)統(tǒng)計(jì)及可視化研究[J]. 周穎芮,孫銳,袁圓.  科技與經(jīng)濟(jì). 2019(03)
[5]文本分類中基于CHI改進(jìn)的特征選擇方法[J]. 宋呈祥,陳秀宏,牛強(qiáng).  傳感器與微系統(tǒng). 2019(02)
[6]基于知識(shí)圖譜的云端個(gè)性化測試推薦[J]. 段玉聰,邵禮旭,崔立真,高洪皓.  小型微型計(jì)算機(jī)系統(tǒng). 2018(12)
[7]基于知識(shí)圖譜的個(gè)性化學(xué)習(xí)資源推薦研究[J]. 黃華升.  軟件工程. 2018(10)
[8]我國推薦系統(tǒng)研究熱點(diǎn)及可視化分析[J]. 張駿,顧沖.  現(xiàn)代商貿(mào)工業(yè). 2018(18)
[9]協(xié)同推薦研究前沿與發(fā)展趨勢的知識(shí)圖譜分析[J]. 陳海蛟,努爾布力.  小型微型計(jì)算機(jī)系統(tǒng). 2018(04)
[10]旅游推薦系統(tǒng)研究綜述[J]. 常亮,曹玉婷,孫文平,張偉濤,陳君同.  計(jì)算機(jī)科學(xué). 2017(10)

碩士論文
[1]基于知識(shí)圖譜的個(gè)性化習(xí)題推薦研究[D]. 胡輝.四川師范大學(xué) 2019
[2]個(gè)性化推薦系統(tǒng)中冷啟動(dòng)問題研究[D]. 雷秋雨.北京交通大學(xué) 2019
[3]基于協(xié)同過濾的新聞推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 薛松.山東師范大學(xué) 2019
[4]基于文本挖掘的領(lǐng)域知識(shí)圖譜構(gòu)建方法的研究與實(shí)現(xiàn)[D]. 劉霄陽.北京交通大學(xué) 2019
[5]基于知識(shí)圖譜構(gòu)建的微博話題推薦研究[D]. 張興宇.安徽理工大學(xué) 2019
[6]基于改進(jìn)的協(xié)同過濾個(gè)性化音樂推薦系統(tǒng)研究[D]. 陳繼騰.廣東工業(yè)大學(xué) 2019
[7]基于知識(shí)圖譜的新聞推薦方法研究[D]. 宋書鵬.華中科技大學(xué) 2019
[8]基于知識(shí)圖譜的汽車領(lǐng)域智能問答設(shè)計(jì)與實(shí)踐[D]. 張金明.華中科技大學(xué) 2019
[9]基于bootstrap方法的參數(shù)估計(jì)研究[D]. 周君.貴州民族大學(xué) 2019
[10]基于協(xié)同過濾的試題推薦與智能分析系統(tǒng)研究與實(shí)現(xiàn)[D]. 孫方方.華南理工大學(xué) 2019



本文編號(hào)：3712372