导读:本文包含了语义分析系统论文开题报告文献综述及选题提纲参考文献，主要关键词:推荐系统,聚类分析,情感分析
语义分析系统论文文献综述
刘伟[1]（2019）在《基于语义分析的农业新技术推荐系统的设计与实现》一文中研究指出目前,我国正经历农业转型新阶段。在向农业强国迈进的过程中,信息化在提升农业质量、收益和竞争力方面发挥着举足轻重的作用。针对农业领域,农业信息化的应用程度仍待提高。人们在需求农业新技术时,通过网络搜索引擎进行查询,速度慢、效率低。这在一定程度上阻碍了农业科技成果的转化效率,影响了农业信息化技术的应用和发展。基于此,本文设计并开发了农业新技术个性化推荐系统。本文在系统设计过程中,主要针对传统的协同过滤算法进行改进,具体表现在融合BIRCH算法和K-means算法,进行聚类分析。此外,根据协同过滤算法依赖于项目具体评分的现状,引入HowNet搭建语义评论词典,通过对用户评论语句的情感分析,得到评论词的情感倾向值,从而对对项目评分数据进行扩充。之后,利用相关数据源,分析并得到了更加适合农业领域的推荐算法模型。最后,利用该模型构建了农业新技术推荐系统。系统整体架构合理,语言设计自然,满足了用户的个性化信息需求,成功实现了信息的推荐。(本文来源于《中国农业科学院》期刊2019-05-01）
窦敏[2]（2018）在《基于CNN和LSTM的视频语义分析系统设计与实现》一文中研究指出目前,卷积神经网络是计算机领域非常热门的话题,同时它也在计算机领域的很多任务中获得了令人瞩目的成绩,而伴随着信息时代的来临,视频数据的数量呈现一种爆炸式井喷增长态势,由于人们无法对视频的信息进行快速检索,如何将卷积神经网络运用到视频分析的任务中,基于视频识别技术就显得至关重要,目前基于深度学习的卷积神经网络算法在视频图像等识别领域取得了不错的效果,但依旧有不少需要解决的问题。针对卷积神经网络特征提取方面的问题,本文改进了卷积神经网络特征提取的方法,提出了一个基于局部LBCNN的视频特征提取优化模型,有效地解决对象旋转的问题,而网络模型参数的约减对一些硬件限制比较大的地方可以有效的进行网络的学习与推理。针对LSTM网络语义识别问题,本文考虑在基于视频内容的语义分析问题中加入Attention机制,就是在提取视频图像特征之后,将视频图像特征和之前的预测出的单词信息共同输入LSTM网络中再计算隐层输出,这样就可以根据之前预测出的单词信息来提示应该关注视频图像中的哪个部分,而不是漫无目的关注整张视频图像,实验结果表明该模型有效提升了语义识别的精度。本文提出的特征提取优化模型以及基于LSTM的视频语义分析模型已经成功应用在基于大数据的视频分析的校企合作项目中,视频分析系统期望可以运用在有关物流视频的安全分析,物流运输过程中的车牌识别等方向。(本文来源于《南京邮电大学》期刊2018-11-14）
李宁[3]（2018）在《上古“舟”“船”字组系族语义范畴层级系统分析》一文中研究指出本文在"字本位"理论视野下,运用叶文曦语义范畴层级理论,尝试分析上古"舟"、"船"字组系族语义范畴层级系统,探讨语义范畴化过程中单字、并列式和偏正式字组与语义的互动关系。(本文来源于《古籍整理研究学刊》期刊2018年03期）
刘青霞[4]（2018）在《基于语义分析的自动评分系统的研究与实现》一文中研究指出随着人工智能的热潮,越来越多的基于大数据的人工智能应用问题得到研究与解决。文字是一种抽象的信息承载形式,机器理解文字更能体现出人工智能的智慧性。机器翻译、问答系统、聊天机器人和情感分析任务等场景都会遇到文本处理的问题。将文本处理算法的研究用于教育智能系统中,可以帮助互联网教育智能化发展,使得学习用户能够更加高效地学习知识。论文主要研究工作具体如下:(1)对来自ASAP的主观题数据集进行分析,然后对基于离散表示、分布式表示和分散式表示的叁种评分模型进行研究。对比分析基于布朗词聚类的评分方法、基于潜在狄利克雷分配的评分方法和基于神经网络的评分方法在数据集上的表现,同时还对比分析随机森林回归算法和XGBoost回归算法在特征融合上的表现。(2)设计并实现一个基于语义分析的自动评分系统,完成系统需求分析、总体架构的设计、功能模块的设计和数据库的设计,使用SSH框架实现系统中的用户登录模块,试题练习模块、自动评分模块、用户中心模块和管理员功能模块。(3)将SimNet语义匹配模型应用于系统的主观题自动评分模块,评估SimNet语义匹配模型在中文历史数据集上的表现,验证SimNet语义匹配模型是否满足系统的应用需求。本文的创新点主要体现在:(1)文本使用基于神经网络的评分算法在ASAP的主观题数据集进行训练,算法的评分结果高于该数据集在Kaggle官网比赛上的top1的分数。证明了在ASAP的主观题数据集上,神经网络抽取特征的能力要强于机器学习,而且特征的提取方式也更加简单。(2)将SimNet语义匹配模型应用于系统的主观题自动评分模块,用于对用户学习测评结果的分数评估。本文评估了SimNet语义匹配模型在中文历史数据集上的表现,结果表明SimNet语义匹配模型可以满足系统的应用需求。(本文来源于《武汉理工大学》期刊2018-05-01）
彭盛兰[5]（2018）在《基于数据挖掘的用户语义智能分析系统设计与开发》一文中研究指出用户反馈是用户体验优化的重要组成部分,对于互联网产品来说,用户评论则是用户反馈最直接的组成部分。通过处理用户评论,能有效地获取用户需求,挖掘产品的可用性问题,为产品的优化迭代提供切实有力的支撑。在大数据时代,数据挖掘技术得到了飞速发展。本文所涉及开发的基于数据挖掘的用户语义智能分析系统旨在利用人工智能简化用户反馈的分析过程,将设计师从冗杂重复的案头工作中解放出来,探索人工智能在设计研究中的应用方式。本系统以自然语言处理技术为核心技术点,对自然语言处理在中文语境中的应用进行了详细的实践。系统的主要功能包括用户将大文本的用户评论上传至系统进行分析,系统则输出包括需求,关键词,优缺点在内的top10问题,以及每个问题所属的原始评论。系统为后续设计研究中的各项工作提供强有力的支撑。用户语义智能分析系统通过对用户反馈的原始评论进行详细的分析,来探索评论中用户需求和产品可用性问题的表达方式和构成特征,并提出了具有普遍适用性的用户需求和可用性问题的基础构成形式。在此基础上,利用现有的自然语言处理技术对原始文本进行分词分句,情感分析和依存文法分析等语义处理,然后利用观点分析,观点标签抽取和极性分析等方法对语义处理结果进行分析,最后,进行数据相似度计算以获得用户需求和产品可用性分析的聚类结果。本文探讨了功能设计的策略,在充分研究了使用场景和用户认知的基础上,使用以用户为中心的设计方法,提出了系统的设计流程。通过多次用户反馈进行功能设计迭代,最终构建了系统的交互界面设计模型。最后,在充分实践的基础上,根据交互原型,设计了该系统的可视化界面。经由设计师和工程师的共同努力,最终将产品实现并投入使用。该系统能够应用在设计研究中,切实地提高在大量用户信息中获取有效信息的效率。本文对于人工智能在设计中的应用做出了探索和尝试,并为设计研究提供了新的工具和方法。(本文来源于《湖南大学》期刊2018-04-20）
成睿,唐超[6]（2018）在《基于语义分析的官方网络舆论风险监测系统的构建研究》一文中研究指出在边海防争端中,评估和预测、把握官方网络舆论环境的变化规律进行,是开展舆论战的重要基础和前提,具有重要的研究价值。设计一个对周边国家官方舆论风险进行语文分析的监测系统,有助于实现对周边国家官方舆论的攻击度、强硬度、依赖度及友好度等语义情感倾向指标的实时监测,掌握舆论战的主动权,维护国家边海防安全与稳定。(本文来源于《贵州警官职业学院学报》期刊2018年02期）
浦东旭[7]（2018）在《基于病历文本语义分析的智能肝病辅助诊疗系统研究》一文中研究指出目前,肝脏类疾病已经成为世界上致死率最高的疾病之一,因为早期病理指标不太明显,有一定的诊断难度。同时由于传统病历数据通常没有统一的结构和标准,尤其是文本病历数据存在大量冗余、歧义、缺失,这增加了医务工作者的诊断难度,甚至直接导致误诊。且不同的医疗机构之间还存在很多信息壁垒,数据没有很好地形成互通和共享,这造成了历史医学数据和肝病诊断经验的流失。而移动通信技术的发展和医疗信息化的不断推广促使电子病历数据飞速增长,其中的文本数据中蕴含了大量的医学语义信息。合理利用电子病历数据能够降低肝病的误诊率。自然语言处理中的文本处理技术可以把文本数据表示成为数字化的特征,然后通过计算机对文本特征的学习和训练,抽象出其中蕴含的语义信息,以此辅助医生的诊疗。本文结合肝脏电子病历数据中文本部分的数据特点,将词向量技术和深度学习理论应用到电子病历文本数据的处理中。针对以往词向量训练方式中忽略文档全局信息的局限性,文中加入了全文词语共现性统计,使得词语的向量表示能保留更多的语义信息。针对传统的基于特征提取和分类器的疾病预测中存在的缺陷,本文借用部分处理图像数据的思想,提出了医学文本数据的定长矩阵表示,并结合根据LeNet模型提出的PeNet网络模型和改进后的Yoon网络模型,采用集成学习的方法得到了综合模型,并以此在电子肝脏病历的处理中取得了很好的效果。本文在此研究基础上设计和实现了基于病历文本语义分析的智能肝病辅助诊疗系统,提供了基于词向量和深度学习技术的疾病预测、关键信息提取、智能语音转换、相似数据匹配、用户和病历数据管理等功能,一定程度上实现了辅助诊断和数据共享。整个系统分成网页端、移动端、后台服务端叁个部分,各个部分解耦分离,通过互联网进行数据交互。经过测试,系统有良好的并发性能和抗弱网能力。(本文来源于《浙江大学》期刊2018-01-01）
姜晓龙[8]（2017）在《基于语义分析的医疗信息检索系统的设计与实现》一文中研究指出随着互联网的飞速发展,医疗方面的信息日益丰富,越来越多的普通用户以及医护相关人员倾向于使用互联网来获取相应的医疗信息。鉴于互联网信息更新频繁,用户对检索结果要求越来越精确,一般的检索技术已无法满足用户的要求,所以基于语义分析的信息检索技术就成为一个新的研究热点,也会逐渐成为许多领域的有用工具。它是对传统信息检索技术和人工智能技术相结合的一种功能更强大的检索技术,从语义理解的角度分析检索请求,从概念及其相关关系的检索进行匹配。目前的现状是,通常的搜索引擎对医疗方面的相关信息没有做专门处理,导致基于关键词的医学专业搜索的检索质量和效率都不高。其中最主要的原因是没有对文档相关语义进行标注,也未对用户查询的请求提前进行语义分析,只是简单地将用户的请求作了字符层面上机械式地匹配。因此,对基于语义分析的医疗信息检索技术的深入研究与探索成为该领域的一个热点研究课题。本文研究的主要内容是针对医疗本体的医疗信息检索系统所涉及到的医疗本体构建以及基于医疗本体对用户的检索进行语义处理等相关问题进行深入的研究,设计了一种基于语义分析的医疗信息检索系统-Medica1Search,从该系统所用到的相关技术,详细的需求和实现原理等多个方面进行详细的阐述,并进行设计,实现以及测试。(本文来源于《北京工业大学》期刊2017-06-01）
黄炜[9]（2017）在《语义网技术在网络威胁情报分析系统的应用》一文中研究指出由于网络的快速发展和广泛传播,互联网产生的数据信息大量增加,不法分子利用网络流量中暴露的个人隐私信息,以及网络的虚拟性与不易追踪性,对使用者散播反人类的不良信息,甚至利用互联网的漏洞,窃取用户财产,在严重影响到使用者个人生活的同时,网络数据量的庞大以及分散性还极大地增加了相关部门侦查案件的工作难度。为了对海量数据中的有效数据进行筛选与关联,减少数据分析过程中的工作量,避免传统数据库的数据载体式存储,以及数据之间缺乏的内在关联性。本文将语义网技术应用到网络威胁情报分析系统中,对如何为数据添加语义信息进行了研究,并将含有语义的数据信息通过本体模型进行关联筛选,形成语义知识元数据库,最后完成数据的获取。1、提出以语义网技术为基础的后台数据关联方法。通过对语义网体系结构的研究,并深入探索了语义网体系结构中核心的叁部分:XML、RDF资源描述框架以及本体模型,为分散、杂乱且庞大的数据添加语义信息,使得计算机能够理解数据内容。2、构建本体模型规则。确定不同类别的安全域情报分析数据,结合社交网络、VPN与FreeGate的数据特点,提取概念的语义信息,构建抽象数据模型,集成网络拓扑发现技术,构建适合网络安全领域后台数据关联的本体模型。3、基于领域本体的数据获取研究与应用。将标注语义信息的数据与本体模型进行映射,对数据进行关联与推理,形成知识元数据库,通过Fuseki语义框架获取知识元数据,最后根据Sparql提供的数据获取协议,实现知识元数据的获取与推理。4、设计适合系统后台数据的关联与推理的技术方案。通过编码实现对应的技术方案,应用模型与知识元数据库到分析系统中,依据网络场景的特征,对数据信息进行分析定位,验证各个模块的有效性和技术方案的准确性与可靠性。基于语义网的网络威胁情报分析系统,通过真实数据的应用测试,完成了对大量数据的过滤筛选以及关联推理,验证了数据之间的关联性、有效性以及可靠性,能够有效提升相关部门对于网络海量数据中关键内容的定位关联与分析。(本文来源于《北方工业大学》期刊2017-05-31）
李洺吉[10]（2017）在《语义分析技术在手机阅读实时推荐系统中的应用》一文中研究指出随着手机阅读行业的不断发展,越来越多的用户选择使用手机进行图书阅读。面对海量的电子图书资源,如何根据用户需求快速找到用户想要的书目,帮助用户解决选择困难的问题,成为手机阅读行业的新需求。本课题来源于手机阅读平台的实际项目需求,对原有推荐系统进行改造,以期解决原有推荐系统高延迟,新增项目无法进行“冷启动”的问题。本课题结合具体业务需求,根据图书作为商品的特点:文本信息即为全部信息,设计并实现了基于图书语义分析技术的实时推荐系统。本课题针对商品的特点,从图书标题、摘要、介绍语等自有属性信息和订购率、转订率等营销参数信息出发,将图书相似度拆分为:编辑分、基础分、相似分与协同分,并根据其各自算法的时间复杂度、数据量的大小和时延要求采用不同的算法进行计算,然后得到其加权和作为图书相似度,提高了系统推荐结果的个性化程度与准确率,并解决了系统新增项目无法进行“冷启动”的问题。同时,系统为保证系统推荐结果的实时性与数据的及时可靠处理,通过使用Storm、MapReduce、HBase等开源大数据框架对不同模块的数据采用的不同的处理方式,提高系统数据的处理效率和推荐的实时性。最后,采用A/B测试的方式以及准确率、多样性等推荐系统常见衡量指标对本课题推荐系统进行了验证,以保证推荐算法的有效性。本课题描述的推荐系统已经成功运行在app “咪咕阅读”中,为手机阅读平台带来了良好收益。(本文来源于《北京邮电大学》期刊2017-01-06）
语义分析系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前,卷积神经网络是计算机领域非常热门的话题,同时它也在计算机领域的很多任务中获得了令人瞩目的成绩,而伴随着信息时代的来临,视频数据的数量呈现一种爆炸式井喷增长态势,由于人们无法对视频的信息进行快速检索,如何将卷积神经网络运用到视频分析的任务中,基于视频识别技术就显得至关重要,目前基于深度学习的卷积神经网络算法在视频图像等识别领域取得了不错的效果,但依旧有不少需要解决的问题。针对卷积神经网络特征提取方面的问题,本文改进了卷积神经网络特征提取的方法,提出了一个基于局部LBCNN的视频特征提取优化模型,有效地解决对象旋转的问题,而网络模型参数的约减对一些硬件限制比较大的地方可以有效的进行网络的学习与推理。针对LSTM网络语义识别问题,本文考虑在基于视频内容的语义分析问题中加入Attention机制,就是在提取视频图像特征之后,将视频图像特征和之前的预测出的单词信息共同输入LSTM网络中再计算隐层输出,这样就可以根据之前预测出的单词信息来提示应该关注视频图像中的哪个部分,而不是漫无目的关注整张视频图像,实验结果表明该模型有效提升了语义识别的精度。本文提出的特征提取优化模型以及基于LSTM的视频语义分析模型已经成功应用在基于大数据的视频分析的校企合作项目中,视频分析系统期望可以运用在有关物流视频的安全分析,物流运输过程中的车牌识别等方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义分析系统论文参考文献
[1].刘伟.基于语义分析的农业新技术推荐系统的设计与实现[D].中国农业科学院.2019
[2].窦敏.基于CNN和LSTM的视频语义分析系统设计与实现[D].南京邮电大学.2018
[3].李宁.上古“舟”“船”字组系族语义范畴层级系统分析[J].古籍整理研究学刊.2018
[4].刘青霞.基于语义分析的自动评分系统的研究与实现[D].武汉理工大学.2018
[5].彭盛兰.基于数据挖掘的用户语义智能分析系统设计与开发[D].湖南大学.2018
[6].成睿,唐超.基于语义分析的官方网络舆论风险监测系统的构建研究[J].贵州警官职业学院学报.2018
[7].浦东旭.基于病历文本语义分析的智能肝病辅助诊疗系统研究[D].浙江大学.2018
[8].姜晓龙.基于语义分析的医疗信息检索系统的设计与实现[D].北京工业大学.2017
[9].黄炜.语义网技术在网络威胁情报分析系统的应用[D].北方工业大学.2017
[10].李洺吉.语义分析技术在手机阅读实时推荐系统中的应用[D].北京邮电大学.2017