智能博物馆导览系统的研究与应用

发布时间：2017-04-18 17:00

  本文关键词：智能博物馆导览系统的研究与应用，，由笔耕文化传播整理发布。

【摘要】：当今,互联网技术的发展迅速对博物馆产生了深远的影响。智能博物馆是互联网技术与传统文化博物馆相结合的产物,追求的是如何更好的传播文化,为游客提供良好的游览体验。当今的计算机和互联网技术,给智能博物馆的研究带来了机遇和挑战。针对这一问题,本文研究了推荐技术在智能博物馆导览场景下的应用问题。本文首先分析了当今智能博物馆和推荐技术的国内外研究现状；研究了经典推荐算法的优势与不足；然后以浙江省博物馆为应用示范,针对其数据特征,结合文本相似性算法和基于项目的协同过滤推荐算法,提出了一种适用于智能博物馆导览场景的文物二阶段组合推荐算法。本文的具体工作如下：一、 本文通过分析浙江省博物馆文物数据库中文物资料的特点,结合现有的相似度算法,提出了一种文物关联度计算模型,并且分别使用了不同的相似度算法进行了对比实验,选择效果较好的算法文物推荐系统中。二、 本文通过分析智能博物馆导览系统场景下文物推荐度的影响因素,以及当前基于协同过滤推荐算法中所存在的问题,结合文物关联度计算模型和文物预评分模型,提出了一种适用于智能博物馆导览系统场景的文物二阶段组合推荐算法。并对其与传统基于项目的协同过滤算法做了性能对比实验,结果表明性能有着显著的提升。三、 本文设计并实现了一套基于C/S和B/S混合架构的智能博物馆导览系统。系统面向文博管理者和博物馆游客,实现了后端文物管理和前端导览服务等功能,不仅为文博管理者提供方便,也切实为游客提供了良好的博物馆游览体验。
【关键词】：智能博物馆 导览系统 文物关联度 文物推荐
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-11
• 第1章 绪论11-16
• 1.1 课题背景11-12
• 1.2 本文的主要研究内容12-14
• 1.2.1 研究目标12-13
• 1.2.2 研究内容13-14
• 1.3 本文的组织结构14-15
• 1.4 本章小结15-16
• 第2章 研究现状和相关理论知识技术16-29
• 2.1 智能博物馆研究现状16-17
• 2.1.1 国外研究现状16-17
• 2.1.2 国内研究现状17
• 2.2 推荐系统概述17-27
• 2.2.1 推荐系统的定义18
• 2.2.2 常用推荐算法18-27
• 2.3 本章小结27-29
• 第3章 智能博物馆文物关联性分析29-47
• 3.1 智能博物馆的文物关联性问题分析29-30
• 3.2 基于向量空间模型的文物关联性分析30-46
• 3.2.1 文物数据总览30-32
• 3.2.2 文物数据预处理32-38
• 3.2.3 文物关联度计算模型38-42
• 3.2.4 实验和分析42-46
• 3.3 本章小结46-47
• 第4章 智能博物馆导览系统文物推荐模型47-61
• 4.1 智能博物馆文物推荐度影响因素研究分析47-50
• 4.1.1 游客评分影响因素研究分析47-48
• 4.1.2 专家综合评价影响因素研究分析48-49
• 4.1.3 游客历史游览记录影响因素研究分析49-50
• 4.2 智能博物馆导览系统中的文物推荐算法50-60
• 4.2.1 基于协同过滤的推荐算法现状分析50-51
• 4.2.2 文物二阶段组合推荐算法51-57
• 4.2.3 文物二阶段组合推荐算法效果分析57-60
• 4.3 本章小结60-61
• 第5章 智能博物馆导览系统的设计与实现61-80
• 5.1 系统建设需求61
• 5.2 系统建设目标61-62
• 5.3 系统设计方案62-65
• 5.3.1 技术路线62-64
• 5.3.2 系统功能与结构设计64-65
• 5.4 智能博物馆导览系统模块设计65-71
• 5.4.1 数据库关键表结构总览65-67
• 5.4.2 文物预处理模块67-68
• 5.4.3 文物关联度计算模块68-69
• 5.4.4 文物推荐模块69-70
• 5.4.5 文物导览模块70-71
• 5.5 智能博物馆导览系统的实现71-78
• 5.5.1 公共基础层实现71-73
• 5.5.2 应用服务层实现73-74
• 5.5.3 展示层实现74-78
• 5.6 本章小结78-80
• 第6章 总结与展望80-82
• 6.1 总结80-81
• 6.2 展望81-82
• 参考文献82-86
• 攻读硕士学位期间主要的研究成果86-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q

本文编号：315303