基于数据特征的任务分派方法研究与实现
发布时间:2022-11-03 18:57
互联网中各种服务产生的评价数据量不断增长,将任务分派给合适的操作员去处理,能够达到事半功倍的效果。所以如何根据评价数据合理地进行任务分派处理是一个亟待解决的问题。本文根据任务的两个数据特征,即评价数据的情感倾向特征和任务数据类别特征。本文从用户和项目两方面对任务分派进行分析。一方面,对用户进行分析,从用户的历史任务分派评价数据中计算出用户(提交任务的用户)的任务分派倾向。另一方面,对项目进行分析,找出影响任务分派的项目因素;当前需要分派的目标任务中,可能会有一些关键的因素,比如任务类别,用户评级等,这些因素会影响到任务的分派。针对以上两个方面,本文提出了一种结合用户和项目的任务分派方法。主要的工作内容有:首先,在用户方面,本文通过构建评分矩阵来挖掘用户的任务分派倾向。评分矩阵中的分数是由评价与评分结合而成,评价是第三方对每个任务分派后进行的评价。具体为利用情感倾向分析技术对评价进行情感分类,每个情感类别对应一个分数,将分类后的分数与打分进行加权结合。其次,在项目方面,在前一阶段得出用户的任务分派倾向后,将影响任务分派的因素与用户的任务分派倾向进行综合考虑,使用协同过滤技术,找到合适的操...
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题背景和研究意义
1.2 国内外研究现状
1.2.1 任务分派
1.2.2 情感倾向分析
1.2.3 协同过滤
1.3 本文章节组织
第2章 基础理论和相关技术
2.1 情感倾向分析
2.1.1 情感倾向分析概述
2.1.2 基于情感词典的情感分析
2.1.3 基于深度学习的情感分析
2.2 协同过滤算法
2.2.1 基于用户的协同过滤算法
2.2.2 基于物品的协同过滤算法
2.3 本章小结
第3章 面向用户的任务分派倾向分析
3.1 问题描述
3.2 面向用户的任务分派倾向方法
3.2.1 定义
3.2.2 面向用户的任务分派倾向方法算法
3.3 操作步骤
3.3.1 评价数据分词
3.3.2 评价数据向量化
3.3.3 评价数据情感分析训练
3.3.4 构建评分矩阵
3.4 数据分析示例
3.5 本章小结
第4章 面向项目的协同过滤任务分派
4.1 问题描述
4.2 面向项目的任务分派倾向方法
4.2.1 定义
4.2.2 面向项目的协同过滤任务分派算法
4.3 操作步骤
4.3.1 混合相似度
4.3.2 相似计算
4.3.3 操作员熟练度表示
4.3.4 加权综合得分
4.4 任务分派示例
4.5 本章小结
第5章 任务分派实验与系统实现
5.1 实验评估
5.1.1 数据集
5.1.2 比较对象
5.1.3 评价指标
5.1.4 实验结果与分析
5.2 系统分析与设计
5.2.1 需求分析
5.2.2 系统设计
5.2.2.1 体系架构设计
5.2.2.2 功能结构设计
5.2.3 数据库设计
5.2.4 系统详细设计
5.2.5 系统实现
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】:
期刊论文
[1]基于边界矩阵低阶近似和近邻模型的协同过滤算法[J]. 温占考,易秀双,田申申,李婕,王兴伟. 计算机应用. 2017(12)
[2]支持社会协同计算的跨组织工作流任务分派算法[J]. 孙勇,谭文安. 计算机研究与发展. 2017(09)
[3]基于用户协同过滤推荐算法研究与应用[J]. 陈强. 福建电脑. 2017(01)
[4]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳. 软件学报. 2016(03)
[5]一种基于知网的中文句子情感倾向判别方法[J]. 党蕾,张蕾. 计算机应用研究. 2010(04)
[6]基于业务规则的工作流任务分派设计与实现[J]. 李春芳,谭庆平,徐建军,肖晓丽. 计算机工程与设计. 2008(21)
本文编号:3700445
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题背景和研究意义
1.2 国内外研究现状
1.2.1 任务分派
1.2.2 情感倾向分析
1.2.3 协同过滤
1.3 本文章节组织
第2章 基础理论和相关技术
2.1 情感倾向分析
2.1.1 情感倾向分析概述
2.1.2 基于情感词典的情感分析
2.1.3 基于深度学习的情感分析
2.2 协同过滤算法
2.2.1 基于用户的协同过滤算法
2.2.2 基于物品的协同过滤算法
2.3 本章小结
第3章 面向用户的任务分派倾向分析
3.1 问题描述
3.2 面向用户的任务分派倾向方法
3.2.1 定义
3.2.2 面向用户的任务分派倾向方法算法
3.3 操作步骤
3.3.1 评价数据分词
3.3.2 评价数据向量化
3.3.3 评价数据情感分析训练
3.3.4 构建评分矩阵
3.4 数据分析示例
3.5 本章小结
第4章 面向项目的协同过滤任务分派
4.1 问题描述
4.2 面向项目的任务分派倾向方法
4.2.1 定义
4.2.2 面向项目的协同过滤任务分派算法
4.3 操作步骤
4.3.1 混合相似度
4.3.2 相似计算
4.3.3 操作员熟练度表示
4.3.4 加权综合得分
4.4 任务分派示例
4.5 本章小结
第5章 任务分派实验与系统实现
5.1 实验评估
5.1.1 数据集
5.1.2 比较对象
5.1.3 评价指标
5.1.4 实验结果与分析
5.2 系统分析与设计
5.2.1 需求分析
5.2.2 系统设计
5.2.2.1 体系架构设计
5.2.2.2 功能结构设计
5.2.3 数据库设计
5.2.4 系统详细设计
5.2.5 系统实现
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】:
期刊论文
[1]基于边界矩阵低阶近似和近邻模型的协同过滤算法[J]. 温占考,易秀双,田申申,李婕,王兴伟. 计算机应用. 2017(12)
[2]支持社会协同计算的跨组织工作流任务分派算法[J]. 孙勇,谭文安. 计算机研究与发展. 2017(09)
[3]基于用户协同过滤推荐算法研究与应用[J]. 陈强. 福建电脑. 2017(01)
[4]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳. 软件学报. 2016(03)
[5]一种基于知网的中文句子情感倾向判别方法[J]. 党蕾,张蕾. 计算机应用研究. 2010(04)
[6]基于业务规则的工作流任务分派设计与实现[J]. 李春芳,谭庆平,徐建军,肖晓丽. 计算机工程与设计. 2008(21)
本文编号:3700445
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3700445.html
最近更新
教材专著