5篇关于评分的计算机毕业论文

今天分享的是关于评分的5篇计算机毕业论文范文, 如果你的论文涉及到评分等主题,本文能够帮助到你

智慧社区O2O综合服务平台的设计与实现

这是一篇关于智慧社区,角色权限,综合服务,评分,BP神经网络的论文, 主要内容为随着互联网技术的高速发展,智慧社区的建设已成为智慧城市的重点建设对象。为改善现有社区建设缺乏统一的综合服务平台、功能和技术的可扩展性差、无法满足用户复杂的业务需求等不足之处,实现多小区扩展、多物业扩展、多商户扩展的架构,建立集电子政务、数字物管、在线电商于一体的社区商圈,本文提出了一种新型的智慧社区O2O(Online To Offline)综合服务平台,采用账户+小区+角色+权限的四重方式实现对复杂角色权限的管理来增强系统的安全性和可扩展性;以账户体系、基础物业服务、社区商业服务三个方面为切入点,构建统一的可扩展的社区综合服务平台,实现真正意义上的以500米为半径的线上生活圈。本文首先介绍了基于对角色权限可扩展性需求分析,设计实现了可灵活配置的细粒化的安全权限控制系统;接着从社区政务、物业服务、在线电商三个方面针对服务平台进行了需求分析、总体设计和详细设计,并且结合BP(Back Propagation)神经网络算法实现业主对商家评分功能,使评价系统能够根据客观环境自适应调节,减少人为因素对商家评价的主观影响,不断提高评价的准确度,从而保障社区商户信誉度的真实性和可靠性,为业主提供优质的网购服务,为智慧社区在线电商建立良好口碑;最后,该系统后台采用Spring+Spring MVC+Mybatis框架,前端使用JQuery+JSP,完成了基于BP神经网络的智慧社区综合服务平台的实现工作,并进行了相应测试。

基于图自编码器的茶产品推荐研究

这是一篇关于图自编码器,茶产品,推荐系统,图注意力网络,评论文本,评分的论文, 主要内容为随着互联网的发展,电商平台上可以购买到的茶产品种类越来越多,信息更加丰富,同时还存在着大量的茶产品与用户的交互信息。更多的信息往往意味着更复杂的决策,面对这种信息过载问题,用户很可能会面临选择困难的窘境。推荐系统可利用用户行为数据主动为用户推荐合适的茶产品,在提升用户购物体验的同时,也提高了电商平台的销量。面对海量用户与茶产品信息,如何高效辅助消费者及时找到其感兴趣的茶产品,是一个值得研究的课题。当前的茶产品推荐模型中,未充分利用茶产品评论文本的特征,并且无法充分挖掘基于交互信息的用户特征和茶产品特征。图神经网络可以深度挖掘交互信息中数据特征。图自编码器作为图神经网络的一个重要组成部分,不仅具有了图神经网络的优点,还可以在编码、解码部分分别选择不同的神经网络。鉴于当前茶产品推荐存在的问题和图自编码器的优势,主要做了以下研究:(1)针对当前茶产品推荐中未充分利用茶产品的评论文本特征和无法充分挖掘用户和茶产品交互信息的用户特征和茶产品特征,提出了基于二阶邻域信息聚合的用户及茶产品语义特征提取模型。该特征提取模型以评论文本为交互信息,通过图注意力网络聚合二阶邻域信息的方式,实现茶产品语义特征和用户语义特征的提取,并通过实验证明该特征提取模型的有效性。(2)提出了基于图自编码器的茶产品推荐模型。该推荐模型编码器分为三部分,第一部分采用图卷积神经网络,提取以评分为交互信息的茶产品交互特征和用户交互特征;第二部分采用基于二阶邻域信息聚合的用户及茶产品语义特征提取模型,提取语义特征;第三部分则是在前两部分的基础上,分别将提取的茶产品和用户的特征进行拼接,全连接网络进行融合。最后,模型的解码器部分通过双线性解码器重构用户对茶产品的评分。通过真实数据集的相关实验表明,本文提出的基于图自编码器的茶产品推荐模型,充分利用了茶产品的评分信息和评论文本信息,不仅深度挖掘用户与茶产品的特征,而且从一定程度上提高了茶产品推荐的性能,与已有的其它模型相比,具有一定的优势。

基于Tag的个性化推荐系统研究

这是一篇关于个性化推荐系统,Tag,评分,自适应方法,相似性方法的论文, 主要内容为随着Web2.0时代的来临，Tag作为一种可以自主实现Web资源个性化分类的技术为个性化推荐系统的研究开辟了新的道路。Web用户通过对Web资源标注Tag，不仅可以更好的组织和查找Web资源，还可为系统分析Web用户的行为及偏好，找到其可能感兴趣的Web资源与相似的邻居用户提供帮助。用户通过对资源进行评分，不仅可直接反应用户对资源的喜好程度，通过资源的总体评分还可以反应出资源的受喜好程度。因而将用户的评分引入基于Tag的个性化推荐系统中，提出基于标签评分的个性化推荐系统(Tag-Rating-based Recommendersystem, TRRS)，对用户评分在基于Tag的个性化推荐系统中的作用、应用及影响进行研究。本文通过结合用户评分、信息检索和集合论的方法，提出基于自适应方法和基于相似性方法的TRRS研究。主要完成了以下工作：（1）基于自适应方法的TRRS研究：根据用户评分的特点，提出评分偏好来对推荐系统中的用户评分进行定性描述，并对用户-项目-标签(UIT)三维空间进行用户-项目(UI)二维空间投影，给出了针对用户的评分偏好和针对项目的评分偏好；利用信息检索中的神经网络模型构建TRRS网络模型，针对用户的评分偏好和项目的评分偏好提出UI推荐和IU推荐；利用自适应方法构建了用户兴趣模型，实现了对用户推荐项目分类和对项目推荐标签的双向推荐，并给出了具体的算法。（2）基于相似性的TRRS研究：利用集合论的方法，通过评分偏好实现了对用户、项目和标签相似性的定性描述；然后通过对TRRS的UIT三维空间进行UT、TI、IU二维空间投影，并建立对应的关系矩阵分别实现了对用户、标签和项目相似性的定量的描述；将传统推荐系统中的kNN和RkNN方法与TRRS相结合，将I-based推荐算法（仅依靠项目的影响集实现推荐）扩展到UIT-based推荐算法（利用用户、项目和标签的影响集共同实现推荐）；利用基于用户、项目和标签相似性的方法给出了4个预测评分公式，用于对用户未进行评分的项目预测评分。实验证明用户评分与基于Tag的个性化推荐系统的结合，对提高推荐系统的推荐效率有积极作用；UIT-based推荐算法相对于I-based推荐算法有较好的推荐效率，用户、项目和标签三者的结合有助于提高系统整体的推荐正确率。

融合标签和评分的茶产品个性化推荐研究

这是一篇关于茶产品,标签,评分,协同过滤,个性化推荐的论文, 主要内容为中国作为农业大国,伴随着网络的快速发展,农产品网上交易的规模也越来越大。个性化推荐是电子商务领域热点之一,也将是未来农产品电子商务发展中的必然趋势。在现有电商平台的推荐中,农产品常被视为普通商品向用户进行推荐,忽略了其自身的农产品特性,并且传统的推荐往往仅考虑单一的评分因素或者单一的标签因素,使得推荐的精准度不高,不能满足用户的需求。本课题以农产品中代表性的茶产品为电子商务个性化推荐研究对象,考虑商品评分的同时融合了商品的标签,实现对茶产品的个性化推荐。在构建茶产品用户模型的基础上,针对后台数据的稀疏性和标记分布不均衡等问题,分别从积极和消极两个维度来计算用户相似性,最后通过协同过滤的方法来产生商品的推荐列表。通过实验数据验证,提高了茶产品的推荐精准性。论文主要开展了以下几个方面工作：(1)构建了一种融合标签和评分的推荐系统模型。该模型的优势在于：不单单只考虑单-因素,融合用户标签和评分两者,同时利用用户评分整合出积极、消极评价商品上的标签集,从积极和消极两个维度来计算相似性并计算出用户所标注的标签权重,通过协同过滤推荐产生推荐列表,在一定程度上缓解了数据稀疏性问题。(2)对上述推荐系统模型进行验证与评价。对(1)中所构建的融合标签和评分的茶产品推荐模型基础上,利用真实的数据集,通过预测精度和排名得分两个指标来验证模型。实验证明,该推荐出的结果比单一的考虑评分或标签得出的结果,推荐精准度更高。(3)开发了一个融合标签和评分的茶产品模拟推荐系统,实现了茶产品更精准的推荐。论文的研究成果,对促进未来农产品电子商务的发展,具有一定的借鉴意义。