基于语义相关和用户点击偏好的搜索推荐系统设计与实现

发布时间：2021-09-25 05:38

　　近年来,人工智能技术不断发展,搜索推荐系统也在各个领域得到更广泛的应用。在这个信息爆炸的时代,各个领域的信息庞大,在短时间内找到有效信息成为了关键问题。虽然通用领域的搜索推荐系统在日益完善,但是部分垂直领域由于数据的特殊性,其搜索推荐技术还有待提高。本文选取的数据属部分垂直领域内容,提出了基于语义相关和用户点击偏好的搜索推荐方法,并完成了搜索推荐系统的实现和测试。主要内容包括三部分:（1）第一部分是提出一种基于词向量加权和支持向量回归的搜索文本和待推荐的内容标题文本的语义相关性计算方法。用户输入搜索内容是用户查找内容标题文本的前缀,搜索文本与待推荐的内容标题文本在语义上存在相关性。针对搜索文本和内容标题文本采用基于词向量加权平均的文本向量构建技术进行表征,采用支持向量回归算法度量出二者的语义相关性。（2）第二部分是提出一种基于迁移学习和用户点击偏好和的权重修正方法。结合用户点击偏好修正第一部分的语义相关性模型,以期达到兼顾语义相关性和点击偏好的目的。根据用户在同一搜索文本下对不同文本的点击概率,使用点击概率代表用户的点击偏好,基于迁移学习和支持向量回归进一步对语义相关性模型进行修正。收... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

搜索推荐场景如今学术界提出了许多推荐方法，这些方法大致分为四类：基于内容的过滤、协同过滤、基于规则的推荐以及混合方法推荐

传统搜索推荐技术整体框架

有监督学习的主要步骤有监督的机器学习方法主要包括：支持向量机、线性回归、逻辑回归、决策树、朴素贝叶斯、k近邻算法、集成学习等


本文编号：3409199