基于表示学习的众包服务领域用户消费意图理解技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 与本课题相关的国内外研究状况 | 第10-15页 |
| 1.2.1 众包服务市场相关研究 | 第10-12页 |
| 1.2.2 知识图谱相关研究 | 第12-13页 |
| 1.2.3 表示学习相关研究 | 第13-15页 |
| 1.3 本文的主要研究内容及论文结构 | 第15-17页 |
| 第2章 表示学习模型实现与效果验证 | 第17-41页 |
| 2.1 构建知识图谱 | 第17-23页 |
| 2.2 TRANSE模型实现与效果验证 | 第23-29页 |
| 2.2.1 翻译模型介绍 | 第23-24页 |
| 2.2.2 TransE模型相关定义 | 第24页 |
| 2.2.3 算法设计与实现 | 第24-26页 |
| 2.2.4 实验分析 | 第26-29页 |
| 2.3 TRANSH模型实现与效果验证 | 第29-35页 |
| 2.3.1 TransH模型介绍 | 第29-31页 |
| 2.3.2 TransH模型相关定义 | 第31页 |
| 2.3.3 算法设计与实现 | 第31-33页 |
| 2.3.4 实验分析 | 第33-35页 |
| 2.4 TRANSR模型实现与效果验证 | 第35-40页 |
| 2.4.1 TransR模型介绍 | 第35-36页 |
| 2.4.2 TransR模型相关定义 | 第36-37页 |
| 2.4.3 算法设计与实现 | 第37-38页 |
| 2.4.4 实验分析 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 用户需求转化与服务推荐 | 第41-50页 |
| 3.1 知识库补全 | 第41-42页 |
| 3.2 需求转化与服务匹配 | 第42-44页 |
| 3.3 歧义处理与服务推荐 | 第44-47页 |
| 3.3.1 服务属性歧义处理 | 第44-45页 |
| 3.3.2 服务类别歧义处理 | 第45-46页 |
| 3.3.3 服务推荐 | 第46-47页 |
| 3.4 实验分析 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 面向增量数据的模型训练方案和实现 | 第50-55页 |
| 4.1 解决方案设计与实现 | 第50-53页 |
| 4.1.1 增量场景分析 | 第50页 |
| 4.1.2 解决方案 | 第50-51页 |
| 4.1.3 算法设计与实现 | 第51-53页 |
| 4.2 实验分析 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 众包服务推荐应用案例 | 第55-60页 |
| 5.1 系统开发环境 | 第55页 |
| 5.2 系统整体框架 | 第55-58页 |
| 5.3 系统实现部分 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
