基于词嵌入的模糊文本搜索与推荐系统
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文内容及结构 | 第14-17页 |
| 第二章 相关理论与系统整体架构 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 自然语言相关理论与技术 | 第17-24页 |
| 2.2.1 分词技术 | 第17-18页 |
| 2.2.2 文本检错和纠错技术 | 第18-20页 |
| 2.2.3 词向量 | 第20-22页 |
| 2.2.4 Alice对话机器人 | 第22-24页 |
| 2.3 贝叶斯网络理论 | 第24-25页 |
| 2.4 搜索推荐系统整体架构 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 模糊快速搜索系统的设计 | 第27-45页 |
| 3.1 系统架构及功能介绍 | 第27-28页 |
| 3.2 字符串匹配算法 | 第28-34页 |
| 3.2.1 经典字符串匹配算法(KMP, BM) | 第28-32页 |
| 3.2.2 DTW模糊匹配算法 | 第32-34页 |
| 3.3 搜索系统核心算法 | 第34-40页 |
| 3.3.1 基于反向过滤思想的搜索算法 | 第34-39页 |
| 3.3.2 模糊快速搜索系统的具体实现 | 第39-40页 |
| 3.4 实验结果 | 第40-42页 |
| 3.5 本章小结 | 第42-45页 |
| 第四章 个性化推荐系统的设计 | 第45-59页 |
| 4.1 主流推荐算法分析 | 第45-49页 |
| 4.1.1 基于内容推荐 | 第45-46页 |
| 4.1.2 基于用户协同过滤 | 第46-48页 |
| 4.1.3 基于项目协同过滤 | 第48-49页 |
| 4.2 基于贝叶斯网络的个性化推荐系统设计 | 第49-54页 |
| 4.2.1 推荐系统框架描述 | 第49-50页 |
| 4.2.2 网络结构及参数学习 | 第50-51页 |
| 4.2.3 自适应反馈模块的设计 | 第51-53页 |
| 4.2.4 个性化搜索推荐系统的设计 | 第53-54页 |
| 4.3 实验结果 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于词向量技术的研究和应用 | 第59-71页 |
| 5.1 词向量模型 | 第59-65页 |
| 5.1.1 神经网络语言模型(NNLM) | 第59-61页 |
| 5.1.2 层次化softmax | 第61-63页 |
| 5.1.3 word2vec模型 | 第63-65页 |
| 5.2 基于word2vec的定向联想功能 | 第65-67页 |
| 5.3 基于词向量的搜索系统实现 | 第67-68页 |
| 5.4 实验结果 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71页 |
| 6.2 课题展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |
