個(gè)性化推薦在出版業(yè)中的研究與應(yīng)用
發(fā)布時(shí)間:2020-12-22 16:21
出版業(yè)由于其單一信息判斷、分析數(shù)據(jù)不足等問題導(dǎo)致庫存積壓,面臨不少困境。因此如何讓出版業(yè)實(shí)時(shí)、精準(zhǔn)、個(gè)性化獲取知識(shí)出版導(dǎo)向數(shù)據(jù)、熱詞,以便解決出版社缺少出版導(dǎo)向信息、庫存積壓等問題是大數(shù)據(jù)時(shí)代解決出版社困境的一個(gè)重要研究課題。其研究具有重要的應(yīng)用價(jià)值和理論意義。根據(jù)出版業(yè)的出版導(dǎo)向需求,論文通過提出的SW-TextRank關(guān)鍵詞提取算法為出版社從海量數(shù)據(jù)中提取熱詞、文本關(guān)鍵詞,再根據(jù)提出的MV-CFiDNN個(gè)性化推薦算法為不同出版社提供實(shí)時(shí)、精準(zhǔn)、個(gè)性化推薦熱詞、關(guān)鍵詞。以便為出版社提供出版導(dǎo)向的強(qiáng)有力信息依據(jù)。論文針對(duì)出版業(yè)對(duì)于出版導(dǎo)向、知識(shí)導(dǎo)向分析不精準(zhǔn)導(dǎo)致庫存積壓,數(shù)字出版轉(zhuǎn)型需求等問題,提出了SW-TextRank關(guān)鍵詞提取算法,為出版業(yè)提取熱詞、關(guān)鍵詞;趥鹘y(tǒng)的文本信息特征(關(guān)鍵詞)提取算法存在的不足、缺陷,提出的綜合權(quán)重TextRank算法(SW-TextRank)是基于TextRank算法對(duì)信息屬性權(quán)重劃分存在的缺陷與不足,通過三個(gè)文本信息屬性關(guān)鍵指標(biāo)結(jié)合賦權(quán)法計(jì)算出各信息詞權(quán)重值,然后將綜合權(quán)重作為TextRank算法原始權(quán)值,以此進(jìn)行信息特征(關(guān)鍵詞)提取算法。而提...
【文章來源】:北京印刷學(xué)院北京市
【文章頁數(shù)】:56 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文主要內(nèi)容
1.3.1 研究?jī)?nèi)容
1.3.2 論文結(jié)構(gòu)編排
1.3.3 本文創(chuàng)新點(diǎn)
2 相關(guān)理論及技術(shù)
2.1 個(gè)性化推薦系統(tǒng)
2.1.1 推薦系統(tǒng)的描述
2.1.2 常見的推薦算法技術(shù)
2.2 大數(shù)據(jù)知識(shí)
2.2.1 大數(shù)據(jù)產(chǎn)生背景
2.2.2 大數(shù)據(jù)特征
2.3 HADOOP平臺(tái)
2.3.1 Hadoop概述
2.3.2 HDFS-分布式文件系統(tǒng)
2.3.3 MapReduce模型
3 SW-TextRank關(guān)鍵詞提取算法
3.1 關(guān)鍵詞提取算法
3.1.1 TF-IDF算法
3.1.2 TextRank算法
3.2 數(shù)學(xué)模型
3.2.1 G1賦權(quán)法
3.2.2 綜合權(quán)重
3.3 SW-TEXTRANK關(guān)鍵詞提取算法
3.4 實(shí)驗(yàn)分析
3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
3.4.2 實(shí)驗(yàn)環(huán)境
3.4.3 實(shí)驗(yàn)分析
3.5 本章小結(jié)
4 一種多視角深度神經(jīng)網(wǎng)絡(luò)推薦模型
4.1 深度神經(jīng)網(wǎng)絡(luò)推薦模型
4.1.1 候選集生成模塊
4.1.2 排序生成模塊
4.1.3 多視角模型
4.1.4 特征值向量化
4.1.5 全連接層
4.1.6 矩陣分解
4.2 實(shí)驗(yàn)仿真及分析
4.2.1 實(shí)驗(yàn)環(huán)境
4.2.2 數(shù)據(jù)集合
4.2.3 評(píng)價(jià)標(biāo)準(zhǔn)
4.2.4 實(shí)驗(yàn)對(duì)比
4.2.5 執(zhí)行時(shí)間對(duì)比分析
4.2.6 實(shí)驗(yàn)結(jié)果與分析
4.3 本章總結(jié)
5 出版業(yè)個(gè)性化推薦系統(tǒng)構(gòu)建
5.1 出版業(yè)需求
5.2 系統(tǒng)構(gòu)建的意義
5.3 系統(tǒng)分析
5.3.1 需求分析
5.3.2 業(yè)務(wù)流程分析
5.4 系統(tǒng)構(gòu)建環(huán)境配置
5.5 系統(tǒng)構(gòu)建
5.5.1 系統(tǒng)架構(gòu)
5.5.2 功能模塊設(shè)計(jì)
5.5.3 數(shù)據(jù)庫設(shè)計(jì)
5.5.4 用戶行為模塊設(shè)計(jì)與實(shí)現(xiàn)
5.5.5 信息文本模塊設(shè)計(jì)與實(shí)現(xiàn)
5.6 本章小結(jié)
6 總結(jié)與展望
參考文獻(xiàn)
作者攻讀學(xué)位期間取得的研究成果
本文編號(hào):2932056
【文章來源】:北京印刷學(xué)院北京市
【文章頁數(shù)】:56 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文主要內(nèi)容
1.3.1 研究?jī)?nèi)容
1.3.2 論文結(jié)構(gòu)編排
1.3.3 本文創(chuàng)新點(diǎn)
2 相關(guān)理論及技術(shù)
2.1 個(gè)性化推薦系統(tǒng)
2.1.1 推薦系統(tǒng)的描述
2.1.2 常見的推薦算法技術(shù)
2.2 大數(shù)據(jù)知識(shí)
2.2.1 大數(shù)據(jù)產(chǎn)生背景
2.2.2 大數(shù)據(jù)特征
2.3 HADOOP平臺(tái)
2.3.1 Hadoop概述
2.3.2 HDFS-分布式文件系統(tǒng)
2.3.3 MapReduce模型
3 SW-TextRank關(guān)鍵詞提取算法
3.1 關(guān)鍵詞提取算法
3.1.1 TF-IDF算法
3.1.2 TextRank算法
3.2 數(shù)學(xué)模型
3.2.1 G1賦權(quán)法
3.2.2 綜合權(quán)重
3.3 SW-TEXTRANK關(guān)鍵詞提取算法
3.4 實(shí)驗(yàn)分析
3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
3.4.2 實(shí)驗(yàn)環(huán)境
3.4.3 實(shí)驗(yàn)分析
3.5 本章小結(jié)
4 一種多視角深度神經(jīng)網(wǎng)絡(luò)推薦模型
4.1 深度神經(jīng)網(wǎng)絡(luò)推薦模型
4.1.1 候選集生成模塊
4.1.2 排序生成模塊
4.1.3 多視角模型
4.1.4 特征值向量化
4.1.5 全連接層
4.1.6 矩陣分解
4.2 實(shí)驗(yàn)仿真及分析
4.2.1 實(shí)驗(yàn)環(huán)境
4.2.2 數(shù)據(jù)集合
4.2.3 評(píng)價(jià)標(biāo)準(zhǔn)
4.2.4 實(shí)驗(yàn)對(duì)比
4.2.5 執(zhí)行時(shí)間對(duì)比分析
4.2.6 實(shí)驗(yàn)結(jié)果與分析
4.3 本章總結(jié)
5 出版業(yè)個(gè)性化推薦系統(tǒng)構(gòu)建
5.1 出版業(yè)需求
5.2 系統(tǒng)構(gòu)建的意義
5.3 系統(tǒng)分析
5.3.1 需求分析
5.3.2 業(yè)務(wù)流程分析
5.4 系統(tǒng)構(gòu)建環(huán)境配置
5.5 系統(tǒng)構(gòu)建
5.5.1 系統(tǒng)架構(gòu)
5.5.2 功能模塊設(shè)計(jì)
5.5.3 數(shù)據(jù)庫設(shè)計(jì)
5.5.4 用戶行為模塊設(shè)計(jì)與實(shí)現(xiàn)
5.5.5 信息文本模塊設(shè)計(jì)與實(shí)現(xiàn)
5.6 本章小結(jié)
6 總結(jié)與展望
參考文獻(xiàn)
作者攻讀學(xué)位期間取得的研究成果
本文編號(hào):2932056
本文鏈接:http://www.wukwdryxk.cn/shekelunwen/chubanfaxing/2932056.html
最近更新
教材專著