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 |