首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

技术转移平台相关关键技术研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第11-17页
    1.1 研究背景和研究意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 基于张量的文本分类研究现状第13-14页
        1.2.2 智能推荐系统的研究现状第14-15页
    1.3 本文创新点第15页
    1.4 本文组织结构第15-16页
    1.5 本章小结第16-17页
第2章 相关模块与技术概况第17-39页
    2.1 网络爬虫模块第17-22页
        2.1.1 WebMagic爬虫框架第18-22页
    2.2 文本预处理第22-27页
        2.2.1 文本正文提取第22-23页
        2.2.2 文本分词第23-24页
        2.2.3 文本特征表示第24-27页
    2.3 文本分类技术研究概况第27-32页
        2.3.1 经典支持向量机第27-30页
        2.3.2 最小二乘支持向量机(LS-SVM)第30-32页
    2.4 智能推荐的相关技术介绍第32-35页
        2.4.1 基于内容的推荐第32-33页
        2.4.2 基于协同过滤的推荐第33-35页
    2.5 张量相关介绍第35-38页
        2.5.1 张量相关定义第36-38页
        2.5.2 张量结构第38页
    2.6 本章小结第38-39页
第3章 基于张量的文本分类技术研究第39-53页
    3.1 网络文本表示第39-40页
    3.2 基于张量的分类技术第40-47页
        3.2.1 张量的CP分解第41-42页
        3.2.2 经典支持张量机第42-44页
        3.2.3 增量最小二乘支持向量机第44-47页
    3.3 改进的增量支持张量机模型第47-51页
    3.4 多分类增量支持张量机第51页
    3.5 本章小结第51-53页
第4章 基于张量分解的推荐模块第53-63页
    4.1 基于矩阵分解的推荐系统第53-55页
    4.2 基于低秩矩阵分解的推荐系统第55-58页
    4.3 张量HOSVD分解第58-60页
    4.4 基于低秩张量分解的推荐系统第60-62页
    4.5 本章小结第62-63页
第5章 技术转移系统实验第63-78页
    5.1 实验背景第63-66页
    5.2 实验数据第66-69页
        5.2.1 文本分类实验数据第66-67页
        5.2.2 智能推荐实验数据第67-69页
    5.3 文本分类模块实验及结果分析第69-73页
    5.4 智能推荐模块实验及结果分析第73-77页
    5.5 本章小结第77-78页
第6章 总结和展望第78-80页
    6.1 总结第78-79页
    6.2 展望第79-80页
参考文献第80-84页
攻读硕士学位期间主要的研究成果第84-85页
致谢第85页

论文共85页,点击 下载论文
上一篇:基于移动设备的实时对象三维重建
下一篇:移动设备上单目三维重建系统