基于语义分析的农业新技术推荐系统的设计与实现
发布时间：2021-11-16 10:33
目前,我国正经历农业转型新阶段。在向农业强国迈进的过程中,信息化在提升农业质量、收益和竞争力方面发挥着举足轻重的作用。针对农业领域,农业信息化的应用程度仍待提高。人们在需求农业新技术时,通过网络搜索引擎进行查询,速度慢、效率低。这在一定程度上阻碍了农业科技成果的转化效率,影响了农业信息化技术的应用和发展。基于此,本文设计并开发了农业新技术个性化推荐系统。本文在系统设计过程中,主要针对传统的协同过滤算法进行改进,具体表现在融合BIRCH算法和K-means算法,进行聚类分析。此外,根据协同过滤算法依赖于项目具体评分的现状,引入HowNet搭建语义评论词典,通过对用户评论语句的情感分析,得到评论词的情感倾向值,从而对对项目评分数据进行扩充。之后,利用相关数据源,分析并得到了更加适合农业领域的推荐算法模型。最后,利用该模型构建了农业新技术推荐系统。系统整体架构合理,语言设计自然,满足了用户的个性化信息需求,成功实现了信息的推荐。
【文章来源】：中国农业科学院北京市
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景
1.2 选题意义
1.3 国内外研究现状分析
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 研究目标与内容
1.4.1 研究目标
1.4.2 研究内容
1.5 研究方法与技术路线
1.5.1 研究方法
1.5.2 技术路线
第二章 相关技术与理论综述
2.1 推荐系统技术概述
2.1.1 推荐系统概念
2.1.2 推荐系统算法分类
2.2 中文分词的处理
2.2.1 常见的分词方法
2.2.2 常见的分词系统
2.3 开发技术
2.3.1 H5技术
2.3.2 数据库技术
2.4 本章小结
第三章 基于改进K-means算法的农业新技术推荐
3.1 农业信息文本预处理
3.2 农业技术信息特征提取及权重计算
3.2.1 农业技术信息特征提取
3.2.2 农业技术信息特征权重计算
3.3 农业技术信息相似度计算
3.4 基于改进K-means算法的评论聚类
3.4.1 改进k-means算法原理
3.4.2 核心树的初始化过程
3.4.3 特征数据迭代完善核心树
3.4.4 改进的K-means算法增加核心树的鲁棒性
3.4.5 改进效果分析
3.5 基于HowNet的语义分析与评分预测
3.5.1 基于HowNet搭建评论极性词典
3.5.2 评论评价词的语义分析
3.5.3 评分预测
3.5.4 改进效果分析
3.6 本章小结
第四章 推荐系统总体设计
4.1 需求分析
4.1.1 系统功能需求
4.1.2 系统性能需求
4.2 用例分析
4.2.1 系统整体用例图
4.2.2 功能模块用例图
4.3 推荐系统设计
4.3.1 系统设计思想
4.3.2 系统体系结构
4.3.3 模块功能设计
4.4 数据库设计
4.5 本章小结
第五章 推荐系统的实现和测试
5.1 系统开发环境
5.2 系统核心模块实现
5.2.1 用户注册模块
5.2.2 用户登录模块
5.2.3 用户管理模块
5.2.4 农业技术信息展示模块
5.2.5 农业技术信息管理模块
5.2.6 农业技术信息推荐模块
5.2.7 农业技术信息推荐反馈模块
5.3 系统实现与测试
5.3.1 功能测试
5.3.2 性能测试
5.4 本章总结
第六章 总结与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于item-user混合协同过滤的推送系统[J]. 林元彬,叶欢欢,毛钰铭,阳瑞,王红星,苗巍. 福建电脑. 2019(01)
[2]基于用户评论分析的自动评分推荐算法研究[J]. 王佳齐. 电子世界. 2018(19)
[3]基于标签聚类与项目主题的协同过滤推荐算法[J]. 李昊阳,符云清. 计算机科学. 2018(04)
[4]面向大数据的知识语义建模技术研究综述[J]. 柴瑜晗,刘妍,司亚琪,仇晶. 信息技术与网络安全. 2018(04)
[5]个性化推荐算法综述[J]. 孙光浩,刘丹青,李梦云. 软件. 2017(07)
[6]基于用户评论评分与信任度的协同过滤算法[J]. 王余斌,王成良,文俊浩. 计算机应用研究. 2018(05)
[7]海服务中面向在线视频服务的测量与推荐系统[J]. 卓煜,尤佳莉,王劲林,齐卫宁,乔楠楠. 计算机工程. 2018(04)
[8]基于协同过滤算法的电影个性化推荐系统设计与实现[J]. 廖漳. 通讯世界. 2017(05)
[9]教育大数据视角下的内容语义分析模型及应用研究[J]. 刘清堂,张思,范桂林,王洋,吴林静. 电化教育研究. 2017(01)
[10]农业电子商务中基于用户兴趣变化的协同过滤推荐技术研究[J]. 程芳. 农业网络信息. 2016(05)
博士论文
[1]基于上下文的音视频标注研究[D]. 钟岑岑.北京交通大学 2014
[2]基于情感相似度的社会化推荐系统研究[D]. 杨东辉.哈尔滨工业大学 2014
[3]日语多义感觉形容词的语义分析研究[D]. 姜红.北京外国语大学 2013
[4]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
[5]食品安全突发事件跨媒体信息的语义分析与分类研究[D]. 刘杰.北京邮电大学 2013
[6]基于语义分析方法的视频流媒体大数据技术研究[D]. 赵哲峰.太原理工大学 2013
[7]B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D]. 张尧.哈尔滨工业大学 2013
[8]汉语句子框架语义结构分析技术研究[D]. 李茹.山西大学 2012
[9]基于视听信息的视频语义分析与检索技术研究[D]. 闫乐林.北京邮电大学 2012
[10]基于语义统计分析的网络舆情挖掘技术研究[D]. 万源.武汉理工大学 2012
硕士论文
[1]基于文本类别关联度和LSA的特征选择方法研究[D]. 王钰.东北师范大学 2018
[2]基于协同过滤的视频推荐系统设计[D]. 李姗姗.南京邮电大学 2017
[3]基于Spark的个性化电影推荐系统的设计与实现[D]. 庞帆栋.东南大学 2017
[4]基于隐式反馈的图书推荐系统设计与实现[D]. 赵倩倩.吉林大学 2017
[5]面向B2C商业模式的美食推荐系统设计与实现[D]. 于文强.哈尔滨工业大学 2017
[6]基于Hadoop的电子商务推荐系统设计与实现[D]. 王东.西安工业大学 2017
[7]基于web日志挖掘的个性化推荐策略及电影推荐系统设计[D]. 李强.重庆邮电大学 2017
[8]基于混合推荐技术的推荐系统设计与实现[D]. 龙超.电子科技大学 2017
[9]基于人际关系的校园活动推荐系统设计与实现[D]. 佟金龙.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[10]基于Spark的电影推荐系统设计与实现[D]. 武传明.北京邮电大学 2017
本文编号：3498713
【文章来源】：中国农业科学院北京市
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景
1.2 选题意义
1.3 国内外研究现状分析
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 研究目标与内容
1.4.1 研究目标
1.4.2 研究内容
1.5 研究方法与技术路线
1.5.1 研究方法
1.5.2 技术路线
第二章 相关技术与理论综述
2.1 推荐系统技术概述
2.1.1 推荐系统概念
2.1.2 推荐系统算法分类
2.2 中文分词的处理
2.2.1 常见的分词方法
2.2.2 常见的分词系统
2.3 开发技术
2.3.1 H5技术
2.3.2 数据库技术
2.4 本章小结
第三章 基于改进K-means算法的农业新技术推荐
3.1 农业信息文本预处理
3.2 农业技术信息特征提取及权重计算
3.2.1 农业技术信息特征提取
3.2.2 农业技术信息特征权重计算
3.3 农业技术信息相似度计算
3.4 基于改进K-means算法的评论聚类
3.4.1 改进k-means算法原理
3.4.2 核心树的初始化过程
3.4.3 特征数据迭代完善核心树
3.4.4 改进的K-means算法增加核心树的鲁棒性
3.4.5 改进效果分析
3.5 基于HowNet的语义分析与评分预测
3.5.1 基于HowNet搭建评论极性词典
3.5.2 评论评价词的语义分析
3.5.3 评分预测
3.5.4 改进效果分析
3.6 本章小结
第四章 推荐系统总体设计
4.1 需求分析
4.1.1 系统功能需求
4.1.2 系统性能需求
4.2 用例分析
4.2.1 系统整体用例图
4.2.2 功能模块用例图
4.3 推荐系统设计
4.3.1 系统设计思想
4.3.2 系统体系结构
4.3.3 模块功能设计
4.4 数据库设计
4.5 本章小结
第五章 推荐系统的实现和测试
5.1 系统开发环境
5.2 系统核心模块实现
5.2.1 用户注册模块
5.2.2 用户登录模块
5.2.3 用户管理模块
5.2.4 农业技术信息展示模块
5.2.5 农业技术信息管理模块
5.2.6 农业技术信息推荐模块
5.2.7 农业技术信息推荐反馈模块
5.3 系统实现与测试
5.3.1 功能测试
5.3.2 性能测试
5.4 本章总结
第六章 总结与展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于item-user混合协同过滤的推送系统[J]. 林元彬,叶欢欢,毛钰铭,阳瑞,王红星,苗巍. 福建电脑. 2019(01)
[2]基于用户评论分析的自动评分推荐算法研究[J]. 王佳齐. 电子世界. 2018(19)
[3]基于标签聚类与项目主题的协同过滤推荐算法[J]. 李昊阳,符云清. 计算机科学. 2018(04)
[4]面向大数据的知识语义建模技术研究综述[J]. 柴瑜晗,刘妍,司亚琪,仇晶. 信息技术与网络安全. 2018(04)
[5]个性化推荐算法综述[J]. 孙光浩,刘丹青,李梦云. 软件. 2017(07)
[6]基于用户评论评分与信任度的协同过滤算法[J]. 王余斌,王成良,文俊浩. 计算机应用研究. 2018(05)
[7]海服务中面向在线视频服务的测量与推荐系统[J]. 卓煜,尤佳莉,王劲林,齐卫宁,乔楠楠. 计算机工程. 2018(04)
[8]基于协同过滤算法的电影个性化推荐系统设计与实现[J]. 廖漳. 通讯世界. 2017(05)
[9]教育大数据视角下的内容语义分析模型及应用研究[J]. 刘清堂,张思,范桂林,王洋,吴林静. 电化教育研究. 2017(01)
[10]农业电子商务中基于用户兴趣变化的协同过滤推荐技术研究[J]. 程芳. 农业网络信息. 2016(05)
博士论文
[1]基于上下文的音视频标注研究[D]. 钟岑岑.北京交通大学 2014
[2]基于情感相似度的社会化推荐系统研究[D]. 杨东辉.哈尔滨工业大学 2014
[3]日语多义感觉形容词的语义分析研究[D]. 姜红.北京外国语大学 2013
[4]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
[5]食品安全突发事件跨媒体信息的语义分析与分类研究[D]. 刘杰.北京邮电大学 2013
[6]基于语义分析方法的视频流媒体大数据技术研究[D]. 赵哲峰.太原理工大学 2013
[7]B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D]. 张尧.哈尔滨工业大学 2013
[8]汉语句子框架语义结构分析技术研究[D]. 李茹.山西大学 2012
[9]基于视听信息的视频语义分析与检索技术研究[D]. 闫乐林.北京邮电大学 2012
[10]基于语义统计分析的网络舆情挖掘技术研究[D]. 万源.武汉理工大学 2012
硕士论文
[1]基于文本类别关联度和LSA的特征选择方法研究[D]. 王钰.东北师范大学 2018
[2]基于协同过滤的视频推荐系统设计[D]. 李姗姗.南京邮电大学 2017
[3]基于Spark的个性化电影推荐系统的设计与实现[D]. 庞帆栋.东南大学 2017
[4]基于隐式反馈的图书推荐系统设计与实现[D]. 赵倩倩.吉林大学 2017
[5]面向B2C商业模式的美食推荐系统设计与实现[D]. 于文强.哈尔滨工业大学 2017
[6]基于Hadoop的电子商务推荐系统设计与实现[D]. 王东.西安工业大学 2017
[7]基于web日志挖掘的个性化推荐策略及电影推荐系统设计[D]. 李强.重庆邮电大学 2017
[8]基于混合推荐技术的推荐系统设计与实现[D]. 龙超.电子科技大学 2017
[9]基于人际关系的校园活动推荐系统设计与实现[D]. 佟金龙.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[10]基于Spark的电影推荐系统设计与实现[D]. 武传明.北京邮电大学 2017
本文编号：3498713
本文链接：https://www.wllwen.com/kejilunwen/nykj/3498713.html
