1. 研究目的与意义
随着互联网的发展,推荐系统被广泛的运用于各行各业。但是传统的top-N推荐系统不能满足用户的个性化需求。因此在传统推荐系统的基础上加上数据库中大量用户搜索使用的数据为主题模型的训练集根据用户的搜索历史为用户匹配可能感兴趣的需求并且结合用户的社会网络加入好友的推荐。以此提高推荐的准确率,满足用户的个性化需求。
2. 研究内容和预期目标
将主题模型算法和社会网络结合起来丰富推荐的内容在,提高推荐系统的准确率。传统的社会化推荐系统没有对用户信息的文本内容进行研究分析而LDA的推荐系统因为缺少对用户深入的分析并不能满足用户个性化的需求。所以尝试将两者的优势结合起来提高推荐系统的准确率。因为要从数量庞大的数据当中选出最优的推荐结构所以在主题模型和社会网络的基础上加上top-N算法进一步的提高推荐系统的精确度,实现目标。
3. 国内外研究现状
目前因为社会网络的结构的复杂性和主题模型的数据需求量大等问题现在的推荐系统暂时没有广泛的使用这种结构的推荐系统,只有一部分的在研究将社会化推荐系统和主题模型结合起来大多数都在专注于将社会网络和主题模型结合起来。
国外的推荐系统大多数使用用户建模技术,用户评价矩阵,项链空间模型和机器学习技术,并且将大量的数据挖掘技术应用到推荐系统当中来提升推荐系统的精度
4. 计划与进度安排
1、2022-11-16至2022-11-24:指导老师下达任务书,对本次毕业设计的进度安排、功能实现和系统提出要求。
2、2022-11-25至2022-12-31:系统设计方面,进行系统需求分析,做好基础的数据准备及技术准备工作,构思系统的功能模块及整体框架。
3、2022-01-01至2022-06-28:在导师的指导下,完成爬虫模块,并通过导师检验。
5. 参考文献
[1]曾小芹,余宏.基于Python的商品评论文本情感分析[J].电脑知识与技术,2020,16(08):181-183.
[2]薛涛.一种基于Python的机器学习情感分析方法研究[J].佳木斯大学学报(自然科学版),2020,38(03):55-58.
[3]陈彩蓉,窦倩.基于文本挖掘的网络直播评论情感分析[J].现代商业,2019(30):10-11.
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。