摘要 | 第1-6页 |
Abstract | 第6-12页 |
第一章 绪论 | 第12-20页 |
1 研究目的及意义 | 第12-13页 |
2 国内外研究发展动态 | 第13-19页 |
·推荐系统 | 第13-17页 |
·向量特征项提取算法 | 第17-19页 |
3 本文主要研究内容 | 第19-20页 |
第二章 湖南省农村信息化服务平台——农业信息推送模型 | 第20-30页 |
1 推荐系统 | 第20-23页 |
·协同过滤推荐系统 | 第20-22页 |
·用户兴趣文件 | 第20页 |
·生成最近邻居集 | 第20-21页 |
·产生推荐结果 | 第21页 |
·优势及不足 | 第21-22页 |
·基于内容的推荐 | 第22-23页 |
·无法对多媒体数据类型进行处理 | 第22页 |
·无法自动更新 | 第22-23页 |
·过度特征化 | 第23页 |
·推荐质量 | 第23页 |
·混合推荐 | 第23页 |
·基于数据挖掘推荐 | 第23页 |
2 湖南省农村信息综合服务平台 | 第23-25页 |
3 农业信息推送模型 | 第25-30页 |
·技术路线 | 第25-26页 |
·数据采集 | 第25页 |
·数据预处理 | 第25页 |
·文本表示 | 第25页 |
·特征提取 | 第25页 |
·相似度计算 | 第25-26页 |
·推送机制 | 第26页 |
·模型修正 | 第26页 |
·整体架构 | 第26-30页 |
·收集信息并进行预处理 | 第27-28页 |
·分词 | 第28页 |
·用户兴趣 | 第28页 |
·特征提取 | 第28页 |
·用户兴趣分类 | 第28-29页 |
·相似度计算 | 第29页 |
·信息推送 | 第29页 |
·反馈修正 | 第29-30页 |
第三章 特征选择算法改进 | 第30-44页 |
1 文本表示 | 第30-31页 |
·布尔方法 | 第30页 |
·概率方法 | 第30页 |
·空间向量模型 | 第30-31页 |
2 特征提取方法 | 第31-37页 |
·布尔函数 | 第32-33页 |
·词语频率(Term Frequency,TF) | 第33页 |
·反文档词频(Inverse document frequency,IDF) | 第33-34页 |
·信息增益(Information Gain,IG) | 第34页 |
·互信息(MutualInformation,MI) | 第34页 |
·χ~2统计量(CHI) | 第34-35页 |
·期望交叉熵(Expected Cross Entropy) | 第35页 |
·几率比(Odds ratio) | 第35-36页 |
·TF-IDF | 第36页 |
·TF-IDF-IG算法 | 第36-37页 |
3 本文提出的改进算法 | 第37-44页 |
·基于产业类型表空间对TF-IDF-IG进行改进 | 第37-38页 |
·从HTML结构上对TF-IDF-IG进行改进 | 第38页 |
·缓解数量级差别引起的数据不平衡问题 | 第38页 |
·支撑词语义均衡化修正 | 第38-39页 |
·算法的具体描述 | 第39-44页 |
·相关定义 | 第39-40页 |
·改进算法 | 第40-44页 |
第四章 实验描述及结果分析 | 第44-54页 |
1 实验总体方案介绍 | 第44-45页 |
2 评估方法 | 第45-46页 |
·查全率(Recall) | 第45-46页 |
·查准率(Precision) | 第46页 |
·F1值 | 第46页 |
3 实验细节设计及实现 | 第46-50页 |
·数据来源 | 第46-47页 |
·分词 | 第47页 |
·用户兴趣特征向量 | 第47-49页 |
·用户长期兴趣算法 | 第48页 |
·用户短期兴趣算法 | 第48页 |
·用户兴趣特征 | 第48-49页 |
·特征提取 | 第49页 |
·用户兴趣分类 | 第49-50页 |
4 实验结论比较 | 第50-54页 |
·改进的特征提取算法 | 第50-52页 |
·推送结果 | 第52-54页 |
第五章 总结与展望 | 第54-56页 |
1 工作总结 | 第54页 |
2 下阶段工作 | 第54-56页 |
参考文献 | 第56-62页 |
致谢 | 第62-63页 |
作者简介 | 第63页 |