基于深度学习的智能推荐系统研究与实现
文献类型：学位论文
| 作者 | 柯莹 |
| 答辩日期 | 2018-05-20 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 北京 |
| 导师 | 宋新波 |
| 关键词 | 评论挖掘 评价对象抽取 情感分析 语义搜索 深度学习 |
| 学位专业 | 其它专业 |
| 英文摘要 | 随着互联网特别是Web3.0技术的快速发展，人们已经从单纯的信息获取者变成了网络内容的主动制造者。人们产生的文本数据也在网路上不断增加，互联网成为人们发表看法、获取观点的重要途径之一。 面对如此庞大的数据，商品的搜索和推荐变得十分普遍。当前第三代搜索引擎多是基于语法层面的简单匹配，缺乏语义知识理解，多建立在用户对搜索内容有清晰的目的，并能明确表述这种目的的基础上，针对一些用户偏模糊而笼统的搜索关键词束手无力。 基于此，针对电子商务中一些用户提出的含义模糊的搜索语句，本文提出了创建实用的基于深度学习和评价挖掘的智能推荐搜索系统，主要体现在通过在产品评论的基础上挖掘与用户搜索内容关联的信息，找到用户真实意图，并在评论挖掘的基础上进行产品的搜索和推荐。该系统主要由以下模块组成：评价对象抽取模块、情感分析模块、挖掘关联模块和排序搜索模块。各模块之间相互耦合，协同合作，从而实现语义智能信息检索模型。我们将通过大量的实验来证明该系统的可行性以及实用性。 首先，对传统信息检索技术进行分析研究，得到其缺乏语义理解、单纯语法匹配的局限，探讨了将评论挖掘应用于信息检索，实现基于深度学习和评价挖掘的语义搜索引擎。 其次，分别调研了评价对象抽取、情感分析等相关评价挖掘的算法，从以往的序列标注等机器学习算法到如今比较常见的各深度学习算法，进而根据实验数据进行算法调整以及优化，进一步提升模块的准确率。 最后，重点设计和实现了基于深度学习和评价挖掘的搜索系统。提出了系统的框架模型以及各模块的具体设计方案，进而分模块实现并整合成系统。并从实验和理论上分别证实该系统的可行性与实用性。 |
| 学科主题 | 计算机系统结构 |
| 语种 | 中文 |
| 公开日期 | 2018-07-02 |
| 源URL | [http://ictir.ict.ac.cn/handle/311040/2885]  |
| 专题 | 中国科学院计算技术研究所学位论文_2018硕士 |
| 推荐引用方式 GB/T 7714 | 柯莹. 基于深度学习的智能推荐系统研究与实现[D]. 北京. 中国科学院研究生院. 2018. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。