基于SNS智能家居系统的用户意图推理研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究目标 | 第11-12页 |
| 1.2.1 智能家居系统与SNS社交网络结合 | 第11-12页 |
| 1.2.2 SNS文本信息特征词提取 | 第12页 |
| 1.2.3 基于SNS的用户意图推理 | 第12页 |
| 1.3 组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第二章 相关技术背景 | 第15-29页 |
| 2.1 数据挖掘技术 | 第15-23页 |
| 2.1.1 数据挖掘概述 | 第15-17页 |
| 2.1.2 数据挖掘关键技术 | 第17-21页 |
| 2.1.3 数据挖掘应用及发展趋势 | 第21-23页 |
| 2.2 TF-IDF算法 | 第23-24页 |
| 2.2.1 TF-IDF算法概述 | 第23页 |
| 2.2.2 TF-IDF算法原理 | 第23-24页 |
| 2.3 贝叶斯网络技术 | 第24-28页 |
| 2.3.1 贝叶斯网概述 | 第24-25页 |
| 2.3.2 贝叶斯网基本定义 | 第25-26页 |
| 2.3.3 贝叶斯网的学习 | 第26-27页 |
| 2.3.4 贝叶斯网的推理 | 第27-28页 |
| 2.3.5 贝叶斯网的优点 | 第28页 |
| 2.4 本章总结 | 第28-29页 |
| 第三章 需求分析与研究思路 | 第29-36页 |
| 3.1 需求分析概述 | 第29-30页 |
| 3.1.1 市场需求 | 第29页 |
| 3.1.2 功能需求 | 第29-30页 |
| 3.2 SNS智能家居系统概述 | 第30-33页 |
| 3.2.1 系统应用框架 | 第30-31页 |
| 3.2.2 系统功能框架 | 第31-33页 |
| 3.3 研究思路 | 第33-34页 |
| 3.3.1 数据采集 | 第33-34页 |
| 3.3.2 特征词库构建 | 第34页 |
| 3.3.3 贝叶斯网络模型构建 | 第34页 |
| 3.3.4 评价与反馈 | 第34页 |
| 3.4 硬件环境 | 第34-35页 |
| 3.5 软件环境 | 第35页 |
| 3.6 本章总结 | 第35-36页 |
| 第四章 设计与实现 | 第36-62页 |
| 4.1 数据采集 | 第36-41页 |
| 4.1.1 数据来源 | 第36页 |
| 4.1.2 微博内容获取 | 第36-39页 |
| 4.1.3 气候数据获取 | 第39-41页 |
| 4.2 基于TF-IDF的家居设备特征词库构建 | 第41-47页 |
| 4.2.1 数据预处理 | 第41-42页 |
| 4.2.2 分词 | 第42-43页 |
| 4.2.3 TF-IDF计算和词库构建 | 第43-47页 |
| 4.3 基于贝叶斯网络的模型构建 | 第47-61页 |
| 4.3.1 贝叶斯网工具箱BNT | 第48-53页 |
| 4.3.2 数据预处理 | 第53-56页 |
| 4.3.3 贝叶斯网结构构建 | 第56-59页 |
| 4.3.4 贝叶斯网络参数学习 | 第59-60页 |
| 4.3.5 贝叶斯网络推理 | 第60-61页 |
| 4.4 本章总结 | 第61-62页 |
| 第五章 实验结果与分析 | 第62-67页 |
| 5.1 测试环境 | 第62页 |
| 5.2 测试结果与分析 | 第62-66页 |
| 5.2.1 特征词库匹配(按照测试者划分) | 第64-65页 |
| 5.2.2 特征词库匹配(按照家居设备划分) | 第65页 |
| 5.2.3 贝叶斯推理(按照测试者划分) | 第65页 |
| 5.2.4 贝叶斯推理(按照家居设备划分) | 第65-66页 |
| 5.3 本章总结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 问题和展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表或已录用的学术论文 | 第73页 |
