基于领域知识图谱的个性化推荐方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第二章 相关理论和方法介绍 | 第19-29页 |
| 2.1 知识表示 | 第19-20页 |
| 2.2 知识图谱构建 | 第20-22页 |
| 2.3 词向量相关研究 | 第22-24页 |
| 2.4 TextRank算法 | 第24-25页 |
| 2.5 随机游走算法综述 | 第25页 |
| 2.6 聚类相关理论 | 第25-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 结合词向量和图模型的特定领域实体消歧方法 | 第29-43页 |
| 3.1 实体消歧概述 | 第29-30页 |
| 3.2 领域实体消歧 | 第30-37页 |
| 3.2.1 方法框架 | 第30-31页 |
| 3.2.2 关键词提取 | 第31-32页 |
| 3.2.3 词向量的训练和应用 | 第32-33页 |
| 3.2.4 图模型的构建和应用 | 第33-36页 |
| 3.2.5 相似度计算 | 第36-37页 |
| 3.2.6 空实体判断 | 第37页 |
| 3.3 实验设计与结果分析 | 第37-43页 |
| 3.3.1 语料的获取和模型的训练 | 第38页 |
| 3.3.2 测试集的选取 | 第38页 |
| 3.3.3 实验结果与分析 | 第38-41页 |
| 3.3.4 结束语 | 第41-43页 |
| 第四章 基于属性图聚类的旅游领域个性化推荐 | 第43-53页 |
| 4.1 基于图核理论的用户偏好发现算法 | 第43-47页 |
| 4.2 基于属性图聚类的旅游领域个性化信息推荐 | 第47-50页 |
| 4.2.1 景点的旅游属性 | 第47页 |
| 4.2.2 领域实体聚类模型的构建过程 | 第47-49页 |
| 4.2.3 领域实体聚类模型的求解过程 | 第49-50页 |
| 4.3 实验设计与结果分析 | 第50-52页 |
| 4.3.1 实验设计 | 第50页 |
| 4.3.2 实验结果分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于属性图聚类的旅游领域个性化推荐系统 | 第53-57页 |
| 5.1 系统框架 | 第53页 |
| 5.2 数据的准备 | 第53-55页 |
| 5.3 数据的存储 | 第55-56页 |
| 5.4 系统运行效果 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 附录A 攻读硕士期间发表论文与申请软件著作权 | 第67-69页 |
| 附录B 攻读硕士期间参与项目 | 第69页 |
