个性化推荐在出版业中的研究与应用

发布时间：2020-12-22 16:21

　　出版业由于其单一信息判断、分析数据不足等问题导致库存积压,面临不少困境。因此如何让出版业实时、精准、个性化获取知识出版导向数据、热词,以便解决出版社缺少出版导向信息、库存积压等问题是大数据时代解决出版社困境的一个重要研究课题。其研究具有重要的应用价值和理论意义。根据出版业的出版导向需求,论文通过提出的SW-TextRank关键词提取算法为出版社从海量数据中提取热词、文本关键词,再根据提出的MV-CFiDNN个性化推荐算法为不同出版社提供实时、精准、个性化推荐热词、关键词。以便为出版社提供出版导向的强有力信息依据。论文针对出版业对于出版导向、知识导向分析不精准导致库存积压,数字出版转型需求等问题,提出了SW-TextRank关键词提取算法,为出版业提取热词、关键词。基于传统的文本信息特征（关键词）提取算法存在的不足、缺陷,提出的综合权重TextRank算法（SW-TextRank）是基于TextRank算法对信息属性权重划分存在的缺陷与不足,通过三个文本信息属性关键指标结合赋权法计算出各信息词权重值,然后将综合权重作为TextRank算法原始权值,以此进行信息特征（关键词）提取算法。而提... 

【文章来源】：北京印刷学院北京市

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文主要内容
        1.3.1 研究内容
        1.3.2 论文结构编排
        1.3.3 本文创新点
2 相关理论及技术
    2.1 个性化推荐系统
        2.1.1 推荐系统的描述
        2.1.2 常见的推荐算法技术
    2.2 大数据知识
        2.2.1 大数据产生背景
        2.2.2 大数据特征
    2.3 HADOOP平台
        2.3.1 Hadoop概述
        2.3.2 HDFS-分布式文件系统
        2.3.3 MapReduce模型
3 SW-TextRank关键词提取算法
    3.1 关键词提取算法
        3.1.1 TF-IDF算法
        3.1.2 TextRank算法
    3.2 数学模型
        3.2.1 G1赋权法
        3.2.2 综合权重
    3.3 SW-TEXTRANK关键词提取算法
    3.4 实验分析
        3.4.1 实验数据集
        3.4.2 实验环境
        3.4.3 实验分析
    3.5 本章小结
4 一种多视角深度神经网络推荐模型
    4.1 深度神经网络推荐模型
        4.1.1 候选集生成模块
        4.1.2 排序生成模块
        4.1.3 多视角模型
        4.1.4 特征值向量化
        4.1.5 全连接层
        4.1.6 矩阵分解
    4.2 实验仿真及分析
        4.2.1 实验环境
        4.2.2 数据集合
        4.2.3 评价标准
        4.2.4 实验对比
        4.2.5 执行时间对比分析
        4.2.6 实验结果与分析
    4.3 本章总结
5 出版业个性化推荐系统构建
    5.1 出版业需求
    5.2 系统构建的意义
    5.3 系统分析
        5.3.1 需求分析
        5.3.2 业务流程分析
    5.4 系统构建环境配置
    5.5 系统构建
        5.5.1 系统架构
        5.5.2 功能模块设计
        5.5.3 数据库设计
        5.5.4 用户行为模块设计与实现
        5.5.5 信息文本模块设计与实现
    5.6 本章小结
6 总结与展望
参考文献
作者攻读学位期间取得的研究成果



本文编号：2932056