基于混合模型的科技论文标签推荐方法研究

基于混合模型的科技论文标签推荐方法研究

ID:35178335

大小:5.61 MB

页数:76页

时间:2019-03-20

基于混合模型的科技论文标签推荐方法研究_第1页
基于混合模型的科技论文标签推荐方法研究_第2页
基于混合模型的科技论文标签推荐方法研究_第3页
基于混合模型的科技论文标签推荐方法研究_第4页
基于混合模型的科技论文标签推荐方法研究_第5页
资源描述:

《基于混合模型的科技论文标签推荐方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、———.————..'::z矣去种成pUNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA专业学位硕±学位论文MASTERTHESISFORPROFESSIONALDEGREE..^心《%..—论文题目基于混合模型的科技论文标签推荐方法研究专业学位类别工程硕-上学号201322060626化者姓各郭彦伟指导教师程红蓉冨IJ教授一—一-..?..■?誦-分类号密级注1UDC学位论文基于混合模

2、型的科技论文标签推荐方法研究(题名和副题名)郭彦伟(作者姓名)指导教师程红蓉副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.3.28论文答辩日期2016.5.19学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。ResearchofTheTagRecommendationMethodforScientificArticlesBasedonHybridModelAMasterThesisSubmittedtoUniversityofElectr

3、onicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:GuoYanweiSupervisor:AssociateProfessorChengHongrongSchool:SchoolofComputerScience&Engineering独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研巧成果。据我所知,除了文中特别加W标注和致谢的地方夕h论文中不包含其他人己经发表或撰写过的研究成果,也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我

4、--同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名:新受东日期:年f月巧日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可W将学位论文的全部或部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规定)作者签名:导师签名:日期於/(^(^之:年月户摘要摘要随着Web2.0时代的蓬勃发展,为用户提供标记功能

5、的网站应运而生。作为标记实体的标签是用户对物品语义内容简单描述,反映用户对物品的兴趣程度。以打标签为主体的标签系统作为很多网站中的必要组成部分,对于方便用户信息检索、发现内容、进行决策等都起到非常重要的作用。随着标签系统的发展,标签中的拼写错误、同义词、组合词等引起的标签膨胀于或者不规范的问题逐渐暴露出来,这时标签推荐发挥了作用。在数据挖掘、信息检索及其相关领域,标签推荐已经成为一个非常热门的研究点。近些年,研究人员将目光转向了混合模型来做标签推荐。混合模型是把协同过滤和主题模型两种方法进行融合,一方面吸收了协同过滤的在推荐上的优点,另一方面,通过内容信息将条目聚类,并通过

6、语义联系起来,相关实验表明混合方法确实有着不错的表现。本文实现的是面向科技论文的标签推荐方法,主要解决如何对科技论文推荐标签,进而方便用户对论文选择合适标注的问题。本文从研究现状出发,分析现有标签推荐的不足,借鉴混合模型在整合多源数据方面的优点,提出了两种模型:基于核的协同主题回归模型和基于内容互信的矩阵分解主题回归模型这两种方法。前者利用高斯过程添加核函数的方式捕捉数据之间的非线性的社交关系,有效解决了由于传统推荐中假设个体之间相互独立而带来的弊端;而后者引入信任传播机制来描述社交关系中存在关联的个体之间内容上的联系,通过使用正则化拉普拉斯函数表示社交关系中个体之间关系,

7、有效的解决了如何表示个体之间信任关系强弱的问题。本文中提出的两种方法都是将内容信息和社交关系数据整合到一个模型中,利用这两种数据有效的解决的标签数据稀疏性带来的一系列推荐难题。通过在两个真实的数据集上的进行实验,结果表明本文中提出的两个算法模型优于其他优秀的推荐算法。关键词:标签推荐,协同过滤,矩阵分解,混合模型IABSTRACTABSTRACTWiththevigorousdevelopmentoftheWeb2.0era,manywebsiteswhichprovidetheuserswithtaggingfu

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。