基于机器学习的核电文档个性化推荐系统研究

发布时间：2021-02-10 22:39

　　本文对采用个性化推荐的方式来辅助用户开展文件检索进行研究,根据用户历史搜索记录以及用户网站行为日志进行分析来推荐用户想要的搜索结果,变被动搜索为主动推荐。文章从推荐系统的建设思路、总体架构设计、数据采集来源分析、数据处理策略、推荐引擎的模型设计、机器学习计算框架选择几个部分来开展研究。重点阐述了基于文件的协同过滤算法叠加基于图的推荐模型的算法核心。通过计算文件之间的相似度,并根据文件的相似度以及用户的历史行为生成推荐列表,再根据岗位、知识点等实体关联所建立的关系图来对推荐结果进行过滤、排序。通过开展基于机器学习的文档个性化推荐研究,为基于大数据及人工智能技术的文档及信息资源开发利用做了有益的探索。 

【文章来源】：电力大数据. 2019,22(09)

【文章页数】：6 页

【文章目录】：
1 核电文档个性化推荐的目标
2 核电文档个性化推荐系统的研究
    2.1 个性化推荐系统的总体设计
    2.2 数据采集与预处理
    2.3 推荐引擎的模型与架构设计
    2.4 机器学习计算框架的选型
3 结论


【参考文献】：
期刊论文
[1]基于协同过滤的电子商务平台个性化推荐模型的设计与实现[J]. 刘会珍.  广西师范学院学报(自然科学版). 2019(01)
[2]基于用户评论的深度情感分析和多视图协同融合的混合推荐方法[J]. 张宜浩,朱小飞,徐传运,董世都.  计算机学报. 2019(06)
[3]基于用户兴趣度量的知识发现服务精准推荐[J]. 丁梦晓,毕强,许鹏程,李洁,牟冬梅.  图书情报工作. 2019(03)
[4]基于用户动态画像的科技情报服务推荐模型构建研究[J]. 王益成,王萍.  情报理论与实践. 2019(04)
[5]核电企业基于“大云物移智”的文档管理创新[J]. 杨强,陈超,查凤华.  电力大数据. 2018(09)
[6]基于深度学习的高效电力部件识别[J]. 欧家祥,史文彬,张俊玮,丁超.  电力大数据. 2018(09)
[7]基于知识挖掘与协同融合的情报研究方法[J]. 肖洪,赵洪,毋晓霞.  情报理论与实践. 2018(10)
[8]基于标签的商品推荐模型研究[J]. 涂海丽,唐晓波.  数据分析与知识发现. 2017(09)
[9]考虑对象关联关系的多样化商品推荐方法[J]. 游运,万常选,陈煌烨.  计算机工程与应用. 2018(07)
[10]综合用户特征及专家信任的协作过滤推荐算法[J]. 高发展,黄梦醒,张婷婷.  计算机科学. 2017(02)



本文编号：3028092