导读:本文包含了检索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:图书馆,文献信息,推荐检索平台
检索推荐论文文献综述
哈金花[1]（2019）在《图书馆文献信息资源智能推荐检索平台设计》一文中研究指出针对当前方法设计的图书馆文献信息资源推荐检索平台存在的检索效率低和召回率低的问题,提出图书馆文献信息资源智能推荐检索平台设计方法。通过平台架构、检索接口、平台功能设计构成图书馆文献信息资源智能推荐检索平台的框架,其中平台架构设计包括信息库连接和可视化信息,根据数学工具和语言完成图书馆文献信息资源智能推荐检索平台中检索接口设计,平台功能包括资源显示、资源检索、信息编辑和空间分析。将隐式方法与显示方法相结合构建用户兴趣模型,在用户兴趣模型的基础上通过冷启动阶段和推荐阶段完成图书馆文献信息资源的智能推荐和检索。实验结果表明,所提方法可在较短的时间内完成图书馆文献信息资源的推荐和检索,且检索得到的资源完整度较高,验证所提方法的检索效率高、召回率高。(本文来源于《吉林大学学报(信息科学版)》期刊2019年05期）
郭伟光[2]（2019）在《基于农产品本体的语义检索推荐系统框架》一文中研究指出在农产品的电子商务中,信息过载使得人们难以快速查找到最为关注的农产品信息。现在很少有基于语义网和本体技术构建的农产品知识检索与推荐系统。针对这一问题,在描述农产品本体基本结构的基础上,提出一个基于农产品本体的语义检索与推荐系统框架。系统除了能让用户使用语义查询功能直接检索农产品知识外,还能向用户推荐农产品的关联知识。(本文来源于《电脑知识与技术》期刊2019年17期）
田野[3]（2019）在《关联数据驱动的学术资源语义检索推荐系统框架》一文中研究指出文章将本地数据发布成五星级的关联数据,通过恰当的途径实现外部关联数据与本地数据的融合,形成检索推荐数据集,并利用语义相似性计算和相应的推荐算法进行推荐。最终,从理论层面证明了关联数据的引入对传统语义相似性计算的改进。(本文来源于《图书馆理论与实践》期刊2019年02期）
王浩林[4]（2018）在《基于张量分解和语义网的医学信息检索和推荐系统》一文中研究指出随着互联网的飞速发展和医疗信息化建设的推进,信息的爆炸式增长导致了信息过载,给有效的信息获取带来挑战。面对医疗领域复杂和多样化的信息需求,医学信息检索和推荐系统能够帮助用户获取所需的知识和信息,在实际应用中发挥着越来越重要的作用。近年来,数据挖掘技术的发展推动了面向医疗大数据的知识发现,用于辅助诊疗决策并提高医疗健康服务水平。在智能信息处理中,语义网因提供计算机能理解的知识并支持语义推理而得到广泛的应用。针对语义网信息不完整和数据稀疏等问题,引入张量和张量分解方法以利用其处理多维异构数据的优势。因此,本文以张量分解和语义网结合的技术框架为核心,围绕两种核心技术在医疗大数据分析中的应用展开研究,针对其中的一些关键问题进行了探索,并应用到语义增强的医疗信息检索和推荐系统中。具体的,本文的主要研究内容如下:(1)提出基于语义网的语义分析方法。为更好地理解和分析大数据中的非结构化文本,引入语义网络以减小语义鸿沟,通过构建基于查询的扩展网络从语义网中抽取子图,采用复杂网络分析方法进行量化分析。在实证研究中分析网络特性,提出改进的网络特征用于语义相关性分析。结合在自然语言处理中广泛应用的实值词向量,构建基于语义扩展的询证医学文献自动分级系统,用于识别和推荐高质量的医学文献,通过实验验证了提出方法的有效性。(2)研究基于分解模型的数据分析方法及其在医疗领域的应用。第一,在数据驱动的慢性疾病预测中,采用推荐系统中被广泛应用的协同过滤思想,构建叁维张量并引入诊疗属性或时间维度,基于非负张量分解方法实现疾病预测。采用大规模电子病历数据进行评估,验证所提出的方法能够实现更加有效的预测。第二,在预测住院病人跌倒事故的研究中,提出构建四维张量并对分解的时间维度进行滑动平均的预测方法。实验表明,本文提出的方法较传统方法提高了预测精度。第叁,针对医疗数据中通常存在大量缺失值的问题,介绍了分解机在数据分类任务上的应用。(3)构建了语义增强的医疗信息检索系统,提出从结构化和非结构化的信息源分别抽取信息进行查询词扩展的方法。针对语义网信息不完整和数据稀疏等问题,引入叁维张量表示语义网中的叁元组结构,基于有限的标记样本,采用张量分解进行语义叁元组重要性的评估,选取语义网络中优化的查询扩展路径。针对检索性能对扩展词敏感的特点,利用检索系统的反馈,采用增量式的策略调整用于扩展的查询词。使用公共生物医学文献数据集进行评测,并和主流的信息检索系统进行比较,本文提出的方案能显着提高医学信息检索系统的性能。(4)提出基于叁元关系的网络社区医疗问答推荐方法。通过分析在线医疗问答系统中的“问题-标签-专家”叁元关系,构建面向医疗领域专家的推荐系统,应用基于分块坐标下降的非负张量补全进行预测。将推荐算法与传统的信息检索方法相结合,面向医疗问题进行答案检索和推荐,通过实验验证方法的可行性和有效性。以上研究表明,语义网和张量分解分别在语义分析和数据挖掘中展现出重要的研究价值和实用价值,融合两种技术的方案在医疗信息检索和推荐等应用中展现出优异的性能。(本文来源于《中国科学院大学(中国科学院重庆绿色智能技术研究院)》期刊2018-06-01）
薛丽娜[5]（2018）在《基于检索和推荐的英文辅助写作系统的设计与开发》一文中研究指出传统基于n-gram短语检索的英文辅助写作系统难以满足ESL学者的实际写作需求。本文提出一种基于检索和推荐的英文辅助写作系统——ESLWritier,经实验证明本系统能根据用户给出的关键词检索语料库,推荐的例句能够为学者发现和改正错误提供有用的参考信息,提升学者的写作效率和信心。(本文来源于《英语广场》期刊2018年04期）
任鹏程[6]（2018）在《基于主题排序与推荐的智能全文检索系统研究与实现》一文中研究指出随着互联网信息技术的飞速发展,各个门户站点井喷式爆发,网络数据呈爆炸式增长。从信息过载时代进入信息爆炸时代,人们从海量数据信息和门户站点中检索获取自己需要知识的需求愈加迫切。对于个人来说,如何从海量的信息中快速、准确地搜寻到目的信息页面是关键;对于各个拥有庞大数量页面的网站站点来说,如何快速构建一个准确化、个性化的检索系统成为当务之急。本论文在上述背景下,跟据信息检索的实际需求情况,提出了一种基于主题排序与推荐的智能全文检索系统。本文的主要工作内容有如下几点:第一,对系统的研究背景、目的及意义进行分析,介绍了国内外全文搜索引擎和排序技术的发展现状。同时对本全文搜索引擎系统具体架构和推荐模型建模进行了分析,明确了业务需求和流程,并提出构建本智能化全文搜索引擎的具体流程。第二,本文将系统分为了四层模块结构实现,首先针对检索结果进行排序,运用距离频度相关算法和LDA主题模型进行内容匹配,使用PageRank算法计算链接重要度,运用BP神经网络和用户日志对排序进行反馈学习与优化。最后使用几种算法结果的加权进行综合排序,使检索结果更加合理。同时对个性化推荐的理论技术进行探究,结合主题分析与检索系统的特点,提出了基于主题的混合推荐算法HRT。发掘用户主要偏好主题与潜在偏好主题,并采用两种方式相结合的混合推荐,也可以有效地解决推荐算法在搜索引擎应用中的冷启动问题。最后,系统的设计实现,主要采用Python进行各个模块的实现,同时设计有出错设计和提供多套方案供系统稳定运行。详细分析了系统各功能的实现效果以及结果指标,并运用黑盒测试方法和LoadRunner负载测试工具对系统进行了测试。各项结果表明,该系统基本达到了智能检索的需求。此外,本系统模块化的设计与灵活的优化算法组合为用户提供合理页面排序,并在实际功能的基础上保证了系统的稳定性,准确性与智能化以及高可扩展性,帮助用户从海量信息中最方便快速地找到自己需要的信息。有效地解决了用户智能信息检索问题和网站站点快速个性化部署的需求。(本文来源于《郑州大学》期刊2018-04-01）
陈彦杰[7]（2018）在《基于深度网络的在线服装检索及推荐》一文中研究指出在互联网时代,用户的在线购物以及选择商品已经非常流行,在线市场已经成为各大服装电商竞争的主战场。厂商会推出一些展示的走秀视频供用户进行在线观看,而视频中的服装推荐一般是基于用户主动搜索的被动推荐,如何自动对用户进行服装推荐,精准找到用户所需要购买的服装,同时对底库中相似的服装进行推荐,是一个目前研究尚少的课题。本文致力于研究在线服装视频中的服装定位、相似度匹配、推荐算法、模型加速。通过精准的服装定位找出模特的上身、下身、全身服装;对定位后的服装进行特征抽取,同时将走秀视频中的服装和数据库中的服装进行精确的匹配查找。同时本文还建立了 一套科学的测试标准,用于比较视频中的服装匹配算法性能。在服装及特征点定位方面,利用Faster RCNN的框架,同时对模特的上身、下身、全身的服装进行精确检测。检测出服装位置之后,利用关键点定位(alignment)对服装进行特征点(landmark)定位,在局部特征(local)分支利用Rol pooling抽取各特征点附近的服装特征。最后和全局(global)分支的特征进行特征融合。在特征抽取方面,通过用深度学习网络抽取特征作为基础框架,引入残差单元和注意力单元,使得算法能够屏蔽无效的图像区域,将特征的表达集中到服装本身。同时加入度量学习的方法,用Triplet Loss训练出更加紧致的特征空间,使得同类样本的特征聚集度更高,从而提升特征匹配的准确度。出于在线服装走秀视频实时性的考虑,在模型加速方面,本论文提出了基于mimick的模型加速方法提高系统的实时计算效率。本文搭建了一套可以应用在实时视频里的在线服装推荐系统,同时设计了一个可以端到端训练的网络,实验结果验证了系统的有效性。(本文来源于《北京邮电大学》期刊2018-03-08）
郭晓宇[8]（2017）在《企业云检索平台关键技术与智能推荐算法研究与实现》一文中研究指出随着企业的不断发展与进步,企业会积累大量的文件、图片、视频等相关资料,这些资料数量庞大。当企业需要某份文件时,需要花费大量的时间进行检索;如遇到硬盘损坏等问题,则要面临资料丢失的风险。这些情况暴露了传统系统架构下的局限与不足,如资料受硬盘使用限制,需定期备份;检索大量文件时速度缓慢,无法根据文档内容进行检索;无法一次找到所有有价值的文件等问题。大数据环境下的企业知识管理需要更快的检索速度,更稳定的存储方案,对原有架构和技术提出了更高的要求,因此,本文提出适合中小型企业知识管理的云检索平台的架构与实现方法,以及分布式系统的混合存储解决方案,实现了文档的全文检索,并对检索内容、文档进行智能推荐。该平台支持全格式文件,支持OFFICE、PDF、TXT、HTML等多种格式文本提取,支持RAR、ZIP文件在线解压,支持图片、视频等文件的在线预览等。云检索平台采用智能检索,用户在检索时可以精确检索到所需要的文件,能够提高下次检索的成功率。用户在使用检索功能时,可推荐相关搜索词、最热搜索词等,可在检索结果中找到可能的文件,并进行在线预览。检索工具支持全格式文件标题、描述信息等的查看,支持图片、视频在线预览功能。用户可在右侧查看与该文档相似的文档,可进行查看并下载。云检索平台的实现采用面向对象的开发方法,具体研究内容包括:1.适合中小企业的云检索平台的架构设计中小企业在知识管理方面往往不能投入过多的资金,而可定制化的、开源的组件、架构、平台能够有效降低企业的投入。因此,适合中小企业的云检索平台的架构的实现就显得尤为重要,通过在企业现有条件下,定制化的搭建符合企业要求的网站架构、云平台架构,从而实现企业的知识管理。2.文档存储的混合解决方案本平台主要解决差异存储问题。目前大多数云存储平台都存在着不能有效支持大文件、小文件共存的问题,因此本系统通过提出一种启发式算法来解决该问题。由于HDFS对于小文件的支持并不好,过多的存储小文件会大量的占用内存空间,导致机器处理速度下降。HBase适合较小文件存储,存储方式为将文件转为BASE64编码传入,并通过编码转换进行下载。因此系统使用HBase来存储小文件,HDFS存储大文件,提高系统的使用效率,降低了不必要的资源的消耗。3.智能推荐系统的研究与实现为了使用户在检索时能够找到相关、相似的文档,平台需要提供一种有效的智能推荐系统。该系统使用Spark运行机器学习算法、Elasticsearch实现系统的检索需求。算法主要包括LDA聚类算法及Elasticsearch自带的检索算法等,将这些算法应用于平台上的相关搜索词推荐、最热搜索词推荐、文章聚类分析推荐等模块。之后可通过机器学习算法优化用户检索准确度,提高检索成功率,提高产品质量。在上述研究基础上,验证分布式知识文档存储的混合解决方案、利用机器学习和大数据分析实现智能化的知识推荐系统的可行性和有效性,并对混合方案的性能,推荐算法的有效性和实时性进行验证,最终设计实现了云检索平台。在理论层面,本文提出大数据环境下考虑读写个性化、混合存储需求的海量多源知识检索系统。在应用层面,本文可以有效地指导企业成功实施类似工程项目。企业云检索平台相比于百度云、360云盘等,拥有全文检索、同名文件保存等功能;相比于一些企业级云盘,企业云检索平台可以根据现有设备部署,降低了企业的先期投入;出于安全的考虑,部分企业更愿意将机密的文件保存至企业内部。因此,企业云检索平台是一个考虑读写个性化、混合存储需求的海量多源知识检索系统;企业云检索平台是一个基于大数据分析,机器学习算法的实时智能推荐系统;企业云检索平台是一款针对企业级用户,基于云平台的可降低企业运营成本、提高企业工作效率的一款B/S架构的企业知识管理平台。(本文来源于《东北财经大学》期刊2017-12-01）
杨凯文[9]（2017）在《面向科技文献的智能检索与推荐方法研究》一文中研究指出随着互联网信息的快速增长,谷歌和百度作为通用的网页搜索引擎,已成为人们获取信息的重要手段。然而,针对互联网上的大量科技文献数据,对统一的科技文献智能检索的研究还存在着欠缺,而且在新构建的科技文献检索平台上,对如何有效地解决科技文献推荐系统“冷启动”的问题也没有很好的解决方法。为此,对面向科技文献的智能检索与推荐方法进行了研究,论文的研究成果为构建统一的面向科技文献的智能检索和推荐系统提供了方法与思路,具有重要的理论意义和应用价值。本文主要研究内容包括:(1)研究了科技文献索引构建方法。为了提高构建索引的质量,首先,针对科技文献中不同字段域的特点,提出了分词,索引和存储等文献字段配置方法。其次,为了提高中文分词的质量,针对科技文献关键词大都是学术专业名词的特点,通过统计和人工筛选,选取适量的关键词以构建分词扩展词典。为了提高Lucene构建索引的效率,提出了使用多线程写多目录的索引构建方法,解决了单目录索引构建中由大容量索引段合并而产生的索引构建效率低下的问题。(2)研究了科技文献索引查询方法。为了提高查询结果的相关性,对科技文献中不同重要程度的字段赋予不同的权值,并提出了一种基于Word2vec的查询扩展方法,该方法可以计算扩展短语和整个原始查询语句的相关性,解决了多个扩展短语如何排序的问题。为了提高索引查询的性能,提出了使用缓存技术和优化查询结果等方法。(3)研究了科技文献推荐方法。在部分科技文献缺失参考文献的情况下,为了解决科技文献推荐系统“冷启动”的问题,提出了一种基于作者频繁项集的科技文献推荐方法,该方法针对科技文献大多具有多个作者的特点,给用户推荐兴趣文献中合作者的其他文献。首先,增加Fp-Growth算法处理文献ID的能力,使得该算法能够计算作者频繁项集及对应的科技文献;其次,在频繁作者项集所产生的候选文献基础上,增加文献关键词等特征,最后对推荐候选文献进行打分和排序,并推荐给用户得分Top-N的文献。(4)实验结果与系统实现。从实验的角度对提出的方法进行了验证与分析,实验表明提出的方法具有有效性。在科技文献检索和推荐功能的基础上,增加了个人信息管理,用户管理,设计和实现了简洁的前端页面等。最终完成了面向科技文献的智能检索与推荐系统,并对系统进行了部署。(本文来源于《北京工业大学》期刊2017-06-01）
胡阳[10]（2016）在《基于Spark平台的分布式检索及推荐系统的研究与实现》一文中研究指出随着互联网技术的飞速发展,我们进入了信息爆炸的时代。近年来,关于信息过滤的研究越受到人们的关注。一方面用户需要通过条件和关键字主动进行检索信息,另一方面推荐算法向用户推送感兴趣的信息。检索是用户主动对信息进行过滤的一种方式个性化推荐算法将用户和信息进行二维关联,利用某种方式发掘用户感兴趣的信息,其本质也是信息过滤,是对信息检索的一种有力补充。本文从课题的研究背景与意义出发,介绍了相关领域的研究现状,阐述了目前工业界主流使用的检索技术、协同过滤推荐技术和分布式集群等相关技术。以此为基础,分析单机全文检索技术以及基于Map/Reduce编程模型检索技术的不足,为了解决分布式索引创建效率和检索负载均衡存在的问题,提出了基于树状的倒排索引方案和基于哈希冗余切片策略的分布式检索方案。进而通过分析用户的历史检索行为属于无评分业务场景,提出了一种基于共现模型的协同过滤推荐方案,并利用因子分解机模型对推荐序列进行预测,从而优化推荐结果。在测试阶段,相比传统Lucene单机检索和基于Map/Reduce实现的分布式检索,提出的方案在多项式时间内完成了对富文本大数据全文索引的创建,索引创建速度大幅提升。就元素据检索而言,检索时间与检索文档数成线性关系。就全文检索而言,检索时间与检索文档成近似线性关系。就高并发查询而言,通过索引备份机制,采取分而治之的策略,近乎实现负载均衡。对比业界传统的协同过滤推荐,提出的方案提高了曝光点击转化率。(本文来源于《东北大学》期刊2016-10-01）
检索推荐论文开题报告
（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：
在农产品的电子商务中,信息过载使得人们难以快速查找到最为关注的农产品信息。现在很少有基于语义网和本体技术构建的农产品知识检索与推荐系统。针对这一问题,在描述农产品本体基本结构的基础上,提出一个基于农产品本体的语义检索与推荐系统框架。系统除了能让用户使用语义查询功能直接检索农产品知识外,还能向用户推荐农产品的关联知识。
（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。
检索推荐论文参考文献
[1].哈金花.图书馆文献信息资源智能推荐检索平台设计[J].吉林大学学报(信息科学版).2019
[2].郭伟光.基于农产品本体的语义检索推荐系统框架[J].电脑知识与技术.2019
[3].田野.关联数据驱动的学术资源语义检索推荐系统框架[J].图书馆理论与实践.2019
[4].王浩林.基于张量分解和语义网的医学信息检索和推荐系统[D].中国科学院大学(中国科学院重庆绿色智能技术研究院).2018
[5].薛丽娜.基于检索和推荐的英文辅助写作系统的设计与开发[J].英语广场.2018
[6].任鹏程.基于主题排序与推荐的智能全文检索系统研究与实现[D].郑州大学.2018
[7].陈彦杰.基于深度网络的在线服装检索及推荐[D].北京邮电大学.2018
[8].郭晓宇.企业云检索平台关键技术与智能推荐算法研究与实现[D].东北财经大学.2017
[9].杨凯文.面向科技文献的智能检索与推荐方法研究[D].北京工业大学.2017
[10].胡阳.基于Spark平台的分布式检索及推荐系统的研究与实现[D].东北大学.2016