导读:本文包含了网页推荐论文开题报告文献综述及选题提纲参考文献，主要关键词:电子商务,网页推荐,语义Web挖掘,BP神经网络
网页推荐论文文献综述
王斐玉,文华,王红梅[1]（2018）在《语义挖掘结合神经网络的电商网页推荐方案》一文中研究指出基于Web挖掘的网页推荐技术已在电子商务网站中得到广泛应用,针对现有推荐方案不能满足用户的应用需求问题,提出一种结合语义Web挖掘和BP神经网络的电子商务网页推荐方案。首先,对用户搜索的Web日志进行处理,提取出5种特征:内容优先级,时间消耗优先级,电子商务用户对候选网站的显式/隐式反馈,推荐语义和输入偏差量。然后,将这些特征作为BP神经网络的输入特征,经过分类识别最终输出网页的优先级。最后,根据优先级对网页进行排序并推荐给用户。以图书销售网页作为样本进行实验,结果表明,该方案能够快速准确的识别出用户所需的网页。(本文来源于《控制工程》期刊2018年01期）
陈静[2]（2017）在《面向网页信息无障碍合规性检测的样例推荐系统》一文中研究指出随着信息技术的飞速发展,人们日常的生活已离不开互联网。互联网给人们带来便捷的同时,由于多数网站不符合无障碍标准,使得残疾人无法像健全人那样方便的获取互联网信息。为了使残疾人能够与健全人一样没有障碍地浏览网站,对网站进行无障碍建设意义重大。为了对网站的无障碍能力进行评估并找出其中不符合无障碍标准的网页,需要对其进行网页信息无障碍合规性检测。然而,当前的网站无障碍检测系统无法完全自动化,仍有部分检测规则需要专门的检测人员进行人工检测。由于待检测网页类型各异、检测过程依靠大量主观判断,因此人工检测困难重重,检测的准确率与效率无法得到保证。本文针对网页信息无障碍合规性检测提出样例推荐算法,在人工检测过程中为检测人员实时推荐与当前检测页面具有最高相似度的样例页面,以帮助检测人员更加快速的理解检测规则,提高检测速度和准确率。为了有效衡量页面间的相似度,本文利用DOM树来保存页面结构并采用改进的简单树匹配算法来计算页面结构相似度。同时采用URL比较用来快速识别明显的模板页面,以达到加快页面相似度计算速度的目的。此外还增加检测内容相似度计算,并对结构相似度和检测内容的相似度赋予相应的权重作为总的页面相似度,以达到提高推荐准确率的目的。基于已有的页面相似度计算算法,本文提出面向样例推荐的样例库创建方法,随着样例的不断增加提出改进后的更新算法以保证样推荐的高效和准确。最后,本文通过在真实数据上的实验,验证页面相似度计算算法的可靠性,并通过推荐系统功能实现与用户对推荐样例的反馈,验证了样例推荐系统能够在无障碍检测过程中为检测人员推荐有参考价值的样例页面。(本文来源于《浙江大学》期刊2017-01-01）
陈莹,黄永彪,潘洪媚[3]（2016）在《多标签网页的粗糙集PNN高斯块植入期望排序推荐》一文中研究指出针对多标签网页推荐算法中存在信息不精确及新增信息较多,传统精确算法效果不理想的问题,提出一种多标签网页的粗糙集概率神经网络高斯块植入期望排序推荐方法。针对信息不确定性,利用粗糙集理论改进传统的概率神经网络模型,使之适合处理信息非确定性问题;针对固定概率神经网络在处理多标签网页推荐问题时,存在覆盖率差,结构冗余较大,对新增标签信息无法快速识别的问题,利用高斯块植入期望排序方式,构建概率功能块的合并、添加和删除操作,提高预测精度,降低计算复杂度,解决新增信息预测的实时性问题。在雅虎多标签数据集实例中的实验对比结果表明,该算法具有更高的计算精度和效率。(本文来源于《计算机工程与设计》期刊2016年11期）
李又玲,常致全,杨浩[4]（2017）在《多标签网页的Gauss-PNN粗糙集排序推荐》一文中研究指出为解决传统算法在网页多标签推荐过程中存在的信息不确定和较多结构冗余问题,提出基于高斯PNN粗糙集期望的多标签网页推荐算法。首先,基于粗糙集方法对标准概率数据流神经网络进行改进,提高其数据不确定处理能力;其次,为解决标准概率数据流神经网络数据覆盖性较差,且网络结构具有较大冗余,导致其无法快速识别新增标签的问题,基于附加的高斯块及其新增、组合及移除功能,对概率神经网络进行改进,解决标准PNN模型无法准确表达新增类别数据的问题,并对标签进行排序,实现新增数据的实时性预测;最后,利用所提算法对Yahoo多标签推荐实例进行验证,结果显示所提方法的推荐精度及效率更高。(本文来源于《计算机应用研究》期刊2017年02期）
曹文俊[5]（2015）在《面向推荐内容呈现位置的网页布局及区域权重研究》一文中研究指出为应对互联网中信息过载问题以及满足互联网用户个性化需求的增长,网页个性化推荐技术应运而生。当今电子商务行业已经从传统的“商家有什么,就提供给消费者什么”的模式逐渐转变为“消费者需要什么,商家就提供什么”的模式,个性化推荐技术作为新时代下推动电子商务行业持续发展的新动力,得到了极大的发展与普及。个性化推荐的内容形态复杂,可能是文字、图片、视频等多种承载形式,也可能是静态,动态,动态静态相结合的表现形式。而网页作为个性化推荐技术的媒体平台,个性化推荐内容在网页上的合理布局是影响用户浏览点击并做出反馈以及用户在电子商务网站后期购买商品的重要因素。在推荐内容相同的情况下,什么样的网页布局更能吸引用户,更能提高推荐成功率,这引起了越来越多人的关注。科学清晰的网页布局,不仅能够使用户快速便捷的浏览网站,提高潜在用户的交易成功率,也能够给用户在浏览网站过程中带来极佳的用户体验,培养用户对网站的忠诚度,创造出区别于竞争对手的差异化优势,只有将推荐内容与网页结构特点完美结合的网页才是科学合理的布局,也只有这样才会受到用户的持续青睐。本文在研究过程中,牢牢抓住权重化思想并将其贯穿始终,在已有的各种研究的基础之上,结合不同学科之间的理论知识,充分考虑到影响权重值的各种因素并将其体现在权重之中。本文旨在通过将权重与网页设计布局相结合,首先将网页块状化,改变以往对于网页的研究都是以网页本身作为基本单位,将网页中的内容块作为在研究中最小的处理单元,基于网页功能并利用机器学习的方法实现对网页的自动化分类。在网页分类基础之上,结合心理学知识和数学知识为各个内容块赋予权重。这个权重值是内容块面积以及内容块位置共同决定,最后将每个内容块的权重值作为网页布局的量化指标,为个性化推荐内容在网页上的合理布局提出一套科学的依据。本文中提出的方法,如果与性能优良的推荐算法相互结合组成一套网页自动化推荐系统,那么将会取得很高的推荐成功率,同时本文也为个性化推荐和网页设计两个学科架起了沟通的桥梁,为相关研究奠定了基础,也指明了进一步研究的方向。(本文来源于《华中师范大学》期刊2015-05-01）
李娟[6]（2013）在《基于命名实体的网页推荐算法研究》一文中研究指出基于命名实体的网页推荐算法,从查询日志入手,分析用户的查询行为,给用户提供智能推荐,从而给出较好的推荐网页。提出了基于混合马尔科夫模型用于目录网页的导航链接和基于LDA特征选择的网页推荐算法用于主题网页推荐,实验结果显示,基于混合马尔科夫模型的推荐算法,达到了比较满意的效果;基于LDA特征提取的网页推荐算法优于传统的推荐算法,很好地满足了用户的需求。(本文来源于《咸阳师范学院学报》期刊2013年06期）
李立[7]（2013）在《特征提取技术在个性化网页推荐系统中的应用》一文中研究指出网页系统在运行过程中,原始特征空间在未经过处理时,特征空间维数的增加,会使网页文本分类的训练时间和空间复杂度都随之增加。为了减少原始空间的维数,提高网页系统的操作能力,在原始空间中提取出部分特征的过程就是特征提取技术。(本文来源于《中国新通信》期刊2013年19期）
吴振慧,缪勇[8]（2013）在《基于典型用户路径的网页推荐技术在网络教学平台中的应用研究》一文中研究指出本文针对当前许多网络教学平台中存在的问题,提出将智能推荐技术引入到网络教学平台中。以基于典型用户路径的网页推荐技术为例进行研究,并予以初步实现,以此为学习者提供智能化服务。(本文来源于《福建电脑》期刊2013年09期）
刘鑫[9]（2013）在《基于混合推荐的网页推荐系统的研究与实现》一文中研究指出随着信息技术和互联网的发展，人们逐渐从信息困乏的时间走向了信息过载的时代。在海量信息中搜索自己感兴趣的信息变的越来越困难。个性化推荐服务作为解决信息过载的一种有效的手段应运而生，运用推荐算法自动在海量信息中快速发现符合用户个人兴趣的内容和服务。目前个性化推荐系统一般采取协同过滤或是基于内容推荐.但是协同过滤有冷启动问题和随着项目和用户数目的增多引起用户—项目矩阵变得稀疏性问题，这些会影响到推荐系统的推荐精确度。基于文本挖掘的推荐算法需要对内容本体进行分析，不能充分考虑用户的兴趣。针对协同过滤和基于内容过滤算法各自的缺陷，混合推荐算法能够取长补短，因而成为推荐算法研究领域的重要方向。本文就是通过对上述问题进行改进提高推荐精确度，主要工作如下：1、针对协同过滤中用户-项目的数据稀疏性问题引起的推荐准确度不高的问题，提出采用矩阵分解技术在同一模型中将项目内容信息，最大化使用已知信息提高推荐精确度。使用一阶正则化奇异值分解算法将用户针对网页的评分矩阵分解为用户针对隐主题的偏好矩阵和网页针对隐主题的特征矩阵，同时，在基于内容的挖掘中，一阶正则化奇异值分解进行隐语义分析，得到关键词针对隐语义和权重矩阵和网页针对隐主题的特征矩阵，在此基础上提出了结合两种网页针对隐主题特征矩阵的交替奇异值分解算法，将系统过滤中的用户评分信息和基于内容挖掘的内容信息相结合提高推荐的精确度。2、针对在普通协同过滤中计算用户相似度时，在用户评分数据稀疏的情况下引起的不准确，提出了采用用户的特征向量来计算相似度来缓解数据稀疏度，从而提高系统的推荐精确度。又因为在常用协同过滤中计算用户相似度需要在全域中进行计算计算量很大，该算法中通过K-means算法对用户按照用户的特征向量分簇，在计算最近邻集合时，在目标用户所属子簇中获取用户近邻，从而减少计算量。3、最后构建网页个性化推荐服务系统，结合以上算法进行混合推荐。(本文来源于《北京工业大学》期刊2013-06-01）
吴瑞[10]（2013）在《基于双层聚类方法的网页推荐模型》一文中研究指出研究web用户访问模式的聚类问题,提出了双层的用户访问模式的聚类方法.第一层采用简单易实现的LVQ(学习向量量化)神经网络方法对日志中的用户访问模式进行简单聚类,在第二层的聚类中,采用加权的模糊c-均值的方法对第一层的聚类结果进行聚类.最后根据聚类结果产生描述该类用户行为的加权访问模式,并以此作为网页推荐依据.实验结果验证了该算法的有效性和可行性.(本文来源于《系统工程学报》期刊2013年02期）
网页推荐论文开题报告
（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：
随着信息技术的飞速发展,人们日常的生活已离不开互联网。互联网给人们带来便捷的同时,由于多数网站不符合无障碍标准,使得残疾人无法像健全人那样方便的获取互联网信息。为了使残疾人能够与健全人一样没有障碍地浏览网站,对网站进行无障碍建设意义重大。为了对网站的无障碍能力进行评估并找出其中不符合无障碍标准的网页,需要对其进行网页信息无障碍合规性检测。然而,当前的网站无障碍检测系统无法完全自动化,仍有部分检测规则需要专门的检测人员进行人工检测。由于待检测网页类型各异、检测过程依靠大量主观判断,因此人工检测困难重重,检测的准确率与效率无法得到保证。本文针对网页信息无障碍合规性检测提出样例推荐算法,在人工检测过程中为检测人员实时推荐与当前检测页面具有最高相似度的样例页面,以帮助检测人员更加快速的理解检测规则,提高检测速度和准确率。为了有效衡量页面间的相似度,本文利用DOM树来保存页面结构并采用改进的简单树匹配算法来计算页面结构相似度。同时采用URL比较用来快速识别明显的模板页面,以达到加快页面相似度计算速度的目的。此外还增加检测内容相似度计算,并对结构相似度和检测内容的相似度赋予相应的权重作为总的页面相似度,以达到提高推荐准确率的目的。基于已有的页面相似度计算算法,本文提出面向样例推荐的样例库创建方法,随着样例的不断增加提出改进后的更新算法以保证样推荐的高效和准确。最后,本文通过在真实数据上的实验,验证页面相似度计算算法的可靠性,并通过推荐系统功能实现与用户对推荐样例的反馈,验证了样例推荐系统能够在无障碍检测过程中为检测人员推荐有参考价值的样例页面。
（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。
网页推荐论文参考文献
[1].王斐玉,文华,王红梅.语义挖掘结合神经网络的电商网页推荐方案[J].控制工程.2018
[2].陈静.面向网页信息无障碍合规性检测的样例推荐系统[D].浙江大学.2017
[3].陈莹,黄永彪,潘洪媚.多标签网页的粗糙集PNN高斯块植入期望排序推荐[J].计算机工程与设计.2016
[4].李又玲,常致全,杨浩.多标签网页的Gauss-PNN粗糙集排序推荐[J].计算机应用研究.2017
[5].曹文俊.面向推荐内容呈现位置的网页布局及区域权重研究[D].华中师范大学.2015
[6].李娟.基于命名实体的网页推荐算法研究[J].咸阳师范学院学报.2013
[7].李立.特征提取技术在个性化网页推荐系统中的应用[J].中国新通信.2013
[8].吴振慧,缪勇.基于典型用户路径的网页推荐技术在网络教学平台中的应用研究[J].福建电脑.2013
[9].刘鑫.基于混合推荐的网页推荐系统的研究与实现[D].北京工业大学.2013
[10].吴瑞.基于双层聚类方法的网页推荐模型[J].系统工程学报.2013