基于LDA和Word2Vec的推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 第二章 辅助问答系统技术基础 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 问答系统的整体结构 | 第14-19页 |
| 2.2.1 问题理解 | 第14-15页 |
| 2.2.2 信息检索 | 第15-19页 |
| 2.2.3 答案抽取 | 第19页 |
| 2.3 个性化推荐算法 | 第19-21页 |
| 2.3.1 基于内容的推荐 | 第20页 |
| 2.3.2 协同过滤 | 第20-21页 |
| 2.3.3 基于知识的推荐 | 第21页 |
| 2.4 分词技术 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 辅助问答系统关键技术研究与实现 | 第24-41页 |
| 3.1 LDA主题模型 | 第24-30页 |
| 3.1.1 LDA主题模型的引入 | 第24-25页 |
| 3.1.2 多项分布和Dirichlet分布 | 第25-26页 |
| 3.1.3 LDA模型求解与Gibbs抽样 | 第26-27页 |
| 3.1.4 基于LDA主题模型的主题挖掘应用 | 第27页 |
| 3.1.5 实验设计 | 第27-30页 |
| 3.2 基于word2vec的词向量的研究与实现 | 第30-37页 |
| 3.2.1 词向量 | 第30页 |
| 3.2.2 神经网络语言模型 | 第30-32页 |
| 3.2.3 层次soft-max | 第32-33页 |
| 3.2.4 word2vec | 第33-36页 |
| 3.2.5 实验设计 | 第36-37页 |
| 3.3 候选答案排序算法 | 第37-40页 |
| 3.3.1 机器学习排序 | 第37-38页 |
| 3.3.2 几种典型的排序方法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 辅助问答系统的个性化问答推荐方案 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 针对问句的文档推荐 | 第41-44页 |
| 4.2.1 相似度计算 | 第41-42页 |
| 4.2.2 一种新的基于主题相关度的文档推荐模型 | 第42-44页 |
| 4.3 基于用户兴趣模型的文档推荐 | 第44-47页 |
| 4.3.1 问题描述 | 第44页 |
| 4.3.2 构建基于LDA模型的用户兴趣模型 | 第44-46页 |
| 4.3.3 文档推荐生成 | 第46-47页 |
| 4.4 基于用户兴趣模型的问题推荐 | 第47-50页 |
| 4.4.1 问题推荐总体设计 | 第47-48页 |
| 4.4.2 构建用户兴趣模型 | 第48-49页 |
| 4.4.3 问题推荐生成 | 第49-50页 |
| 4.5 实验设计 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 系统原型设计及实现 | 第53-67页 |
| 5.1 系统架构 | 第53-54页 |
| 5.2 系统的具体设计和流程 | 第54-58页 |
| 5.3 系统实现 | 第58-64页 |
| 5.3.1 用户登录 | 第58-59页 |
| 5.3.2 系统首页 | 第59-60页 |
| 5.3.3 用户问答 | 第60-63页 |
| 5.3.4 系统管理 | 第63-64页 |
| 5.4 系统测试 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表学术论文目录 | 第73页 |
