基于NLP的企业产品信息提取分析和推荐的研究与实现
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 课题背景及研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 自然语言处理概念 | 第15-16页 |
| 1.2.2 产品名称识别研究现状 | 第16-17页 |
| 1.2.3 Web信息抽取的研究现状 | 第17-19页 |
| 1.3 论文主要研究内容 | 第19-20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第2章 相关技术研究 | 第22-28页 |
| 2.1 产品名称识别相关技术 | 第22-24页 |
| 2.1.1 命名实体识别 | 第22-23页 |
| 2.1.2 条件随机场模型 | 第23-24页 |
| 2.2 网页信息抽取相关技术 | 第24-26页 |
| 2.2.1 信息抽取 | 第24页 |
| 2.2.2 WEB信息抽取 | 第24-25页 |
| 2.2.3 DOM树技术 | 第25-26页 |
| 2.3 个性化推荐平台相关技术 | 第26-27页 |
| 2.3.1 个性化推荐技术 | 第26-27页 |
| 2.3.2 协同过滤推荐技术 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 产品信息提取 | 第28-46页 |
| 3.1 同花顺网站的介绍及产品大类的抽取 | 第30-32页 |
| 3.1.1 同花顺简介 | 第30页 |
| 3.1.2 同花顺网站上企业产品类别的获取 | 第30-32页 |
| 3.2 基于CRF的产品类别识别 | 第32-36页 |
| 3.2.1 语料库构建 | 第33页 |
| 3.2.2 特征模版的选取及训练方法 | 第33-35页 |
| 3.2.3 基于CRF识别年报中的产品类别 | 第35-36页 |
| 3.3 基于DOM树的产品名称抽取 | 第36-42页 |
| 3.3.1 基于关键词的产品页面获取 | 第37-39页 |
| 3.3.2 网页解析成DOM树 | 第39-40页 |
| 3.3.3 产品类别的验证 | 第40页 |
| 3.3.4 产品类别的补充 | 第40-41页 |
| 3.3.5 基于产品类别抽取产品名称 | 第41-42页 |
| 3.4 实验结果及分析 | 第42-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第4章 数据分析与个性化推荐 | 第46-60页 |
| 4.1 产品信息的分析与补充 | 第47-49页 |
| 4.1.1 产品信息的过滤 | 第47-48页 |
| 4.1.2 产品信息的补充和分级 | 第48-49页 |
| 4.2 产品信息管理 | 第49-51页 |
| 4.2.1 模块的功能需求 | 第49页 |
| 4.2.2 数据存储设计 | 第49-51页 |
| 4.3 产品信息的展示 | 第51-53页 |
| 4.4 个性化推荐产品 | 第53-59页 |
| 4.4.1 用户之间的信任度 | 第54-55页 |
| 4.4.2 用户的个人可信度 | 第55-56页 |
| 4.4.3 用户偏好相似度 | 第56-58页 |
| 4.4.4 产品属性偏好 | 第58页 |
| 4.4.5 TIPCF算法推荐产品 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-64页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间论文发表及科研情况 | 第68-70页 |
| 致谢 | 第70页 |
