基于情感语义的服装推荐系统研究与实现
这是一篇关于推荐系统,情感计算,个性化,衬衫设计的论文, 主要内容为随着服装产业的快速发展,服装推荐和检索系统在为消费者挑选满意的服装时扮演着越来越重要的作用。传统的服装推荐系统通过服装图像文本标注或者服装图像内容(如颜色、纹理等)来推荐。近年来,一些研究者开始基于感性工学尝试从人类感知的角度去推荐服装。感性工学确实能在一定程度上用高层语义表达用户的情感需求,然而感性工学的数据是基于大量的问卷调查和统计分析而得到的,其缺乏动态性和个性化。本文以男士衬衫设计为背景,主要研究内容是男士衬衫的情感推荐。 针对感性工学推荐结果缺乏动态性和个性化,提出基于情感语义的男士衬衫个性化推荐系统,最后该系统在情感语义衬衫智能设计系统中作为一个模块被实现。首先基于Kobayashi的色彩心理学建立一个通用情感模型,用于对衬衫图像数据库中的所有图像进行自动情感标注,并把这个标注结果作为系统的默认推荐。其次为了满足个体的个性化需求,我们也将形状、纹理等影响情感的因素考虑进来,系统通过与用户交互来获得用户的情感偏好,然后通过个性化引擎来建立衬衫图像底层视觉特征与用户高层情感语义间的映射关系,并以此建立个性化情感模型。实验表明,系统经过与用户2到3轮的交互,能够很好地推荐用户满意的衬衫。 针对男士衬衫设计效率不高问题,提出了情感语义衬衫智能DIY设计,最后该方法在情感语义衬衫智能设计系统中得以实现。在系统中用户能够用高层情感语义来表达需求,并能根据用户情感输入快速推荐相应的部件、颜色和图案,然后用户可以根据部件进行自由拼接。如果用户不满意当前的推荐结果,系统还提供了许多交互式设计功能(如色彩设计、图案设计、液化和纹理滤镜等)来尽可能多的满足用户的个性化情感需求。
电子商务信息跨平台检索与智能推荐技术研究
这是一篇关于跨平台信息搜索,网络爬虫,数据抽取,情感计算,智能推荐的论文, 主要内容为电子商务是集计算机科学、市场营销学、管理学、法学和现代物流于一体的新型交叉学科。经过多年的发展,目前我国电子商务的发展速度有目共睹,已经成为全球电子商务的领跑者。伴随着电子商务的快速发展和电子商务平台数量的快速增加,电子商务信息日益丰富,网页数量也出现爆炸式增长,使得广大用户在进行商品选购时“信息迷失”现象越发严重,集中表现为消费者在不同电商平台之间进行商品比选的困难。基于上述背景,近年来,关于跨平台电子商务信息检索与智能推荐系统的社会需求日益强烈。跨平台电子商务信息检索与智能推荐系统的构建涉及异构电子商务平台数据的实时在线爬取、信息重构和基于用户选择偏好的智能化商品推荐等多项技术。综合国内外相关领域的研究进展,本文以多个电商平台的手机销售网页作为研究实例,以如何实现跨电商平台手机销售信息搜索和智能推荐为重点,围绕主题信息抽取和智能推荐等关键技术进行了相关研究,主要研究内容和研究成果如下:(1)针对跨平台商品信息提取问题,本文利用基于关键词加权的Shark-PageRank算法确定主题网页队列,在此过程中通过加入动态主题库生成的方法来描述主题,使得主题爬虫的查准率较Shark-PageRank算法取得了进一步提升。在此基础上,提出了一种基于模板的网页信息自动抽取方法,该方法首先利用基于结构语义熵的主题信息定位方法在主题网页中定位待抽取商品的属性信息,进而归纳总结抽取路径来构建模板库,最后利用模板库实现商品信息的快速、准确抽取。通过实验结果表明,本文提出的基于模板的网页信息抽取方法在网页信息抽取任务中,查准率和抽取时间均有一定的提升。(2)针对智能商品推荐问题,本文从商品评论的情感分析视角出发,首先通过LDA主题模型从用户评论中抽取商品主题词,然后针对评论文本中不同单词的位置和评论文本中不同的部分对特定主题下情感倾向判断的贡献度不同,提出了一种融合主题词特征的Bi-LSTM+混合注意力机制模型,用于计算用户评论在不同主题下的情感值,最后综合商品所有评论的情感值,利用智能推荐模型计算商品在特定主题下的情感值,以商品在不同主题下的情感值作为推荐依据,结合用户选择偏好特征实现商品的智能推荐。通过实验结果表明,本文提出的融合主题词特征的Bi-LSTM+混合注意力机制模型较之前的方法在平均准确率、平均召回率和Macro-F1值上均有进一步的提升。(3)基于上述研究成果,结合Web前端开发技术,本文针对跨平台信息检索和商品智能推荐进行了原型系统的初步设计和实现。
电子商务信息跨平台检索与智能推荐技术研究
这是一篇关于跨平台信息搜索,网络爬虫,数据抽取,情感计算,智能推荐的论文, 主要内容为电子商务是集计算机科学、市场营销学、管理学、法学和现代物流于一体的新型交叉学科。经过多年的发展,目前我国电子商务的发展速度有目共睹,已经成为全球电子商务的领跑者。伴随着电子商务的快速发展和电子商务平台数量的快速增加,电子商务信息日益丰富,网页数量也出现爆炸式增长,使得广大用户在进行商品选购时“信息迷失”现象越发严重,集中表现为消费者在不同电商平台之间进行商品比选的困难。基于上述背景,近年来,关于跨平台电子商务信息检索与智能推荐系统的社会需求日益强烈。跨平台电子商务信息检索与智能推荐系统的构建涉及异构电子商务平台数据的实时在线爬取、信息重构和基于用户选择偏好的智能化商品推荐等多项技术。综合国内外相关领域的研究进展,本文以多个电商平台的手机销售网页作为研究实例,以如何实现跨电商平台手机销售信息搜索和智能推荐为重点,围绕主题信息抽取和智能推荐等关键技术进行了相关研究,主要研究内容和研究成果如下:(1)针对跨平台商品信息提取问题,本文利用基于关键词加权的Shark-PageRank算法确定主题网页队列,在此过程中通过加入动态主题库生成的方法来描述主题,使得主题爬虫的查准率较Shark-PageRank算法取得了进一步提升。在此基础上,提出了一种基于模板的网页信息自动抽取方法,该方法首先利用基于结构语义熵的主题信息定位方法在主题网页中定位待抽取商品的属性信息,进而归纳总结抽取路径来构建模板库,最后利用模板库实现商品信息的快速、准确抽取。通过实验结果表明,本文提出的基于模板的网页信息抽取方法在网页信息抽取任务中,查准率和抽取时间均有一定的提升。(2)针对智能商品推荐问题,本文从商品评论的情感分析视角出发,首先通过LDA主题模型从用户评论中抽取商品主题词,然后针对评论文本中不同单词的位置和评论文本中不同的部分对特定主题下情感倾向判断的贡献度不同,提出了一种融合主题词特征的Bi-LSTM+混合注意力机制模型,用于计算用户评论在不同主题下的情感值,最后综合商品所有评论的情感值,利用智能推荐模型计算商品在特定主题下的情感值,以商品在不同主题下的情感值作为推荐依据,结合用户选择偏好特征实现商品的智能推荐。通过实验结果表明,本文提出的融合主题词特征的Bi-LSTM+混合注意力机制模型较之前的方法在平均准确率、平均召回率和Macro-F1值上均有进一步的提升。(3)基于上述研究成果,结合Web前端开发技术,本文针对跨平台信息检索和商品智能推荐进行了原型系统的初步设计和实现。
基于情感语义的服装推荐系统研究与实现
这是一篇关于推荐系统,情感计算,个性化,衬衫设计的论文, 主要内容为随着服装产业的快速发展,服装推荐和检索系统在为消费者挑选满意的服装时扮演着越来越重要的作用。传统的服装推荐系统通过服装图像文本标注或者服装图像内容(如颜色、纹理等)来推荐。近年来,一些研究者开始基于感性工学尝试从人类感知的角度去推荐服装。感性工学确实能在一定程度上用高层语义表达用户的情感需求,然而感性工学的数据是基于大量的问卷调查和统计分析而得到的,其缺乏动态性和个性化。本文以男士衬衫设计为背景,主要研究内容是男士衬衫的情感推荐。 针对感性工学推荐结果缺乏动态性和个性化,提出基于情感语义的男士衬衫个性化推荐系统,最后该系统在情感语义衬衫智能设计系统中作为一个模块被实现。首先基于Kobayashi的色彩心理学建立一个通用情感模型,用于对衬衫图像数据库中的所有图像进行自动情感标注,并把这个标注结果作为系统的默认推荐。其次为了满足个体的个性化需求,我们也将形状、纹理等影响情感的因素考虑进来,系统通过与用户交互来获得用户的情感偏好,然后通过个性化引擎来建立衬衫图像底层视觉特征与用户高层情感语义间的映射关系,并以此建立个性化情感模型。实验表明,系统经过与用户2到3轮的交互,能够很好地推荐用户满意的衬衫。 针对男士衬衫设计效率不高问题,提出了情感语义衬衫智能DIY设计,最后该方法在情感语义衬衫智能设计系统中得以实现。在系统中用户能够用高层情感语义来表达需求,并能根据用户情感输入快速推荐相应的部件、颜色和图案,然后用户可以根据部件进行自由拼接。如果用户不满意当前的推荐结果,系统还提供了许多交互式设计功能(如色彩设计、图案设计、液化和纹理滤镜等)来尽可能多的满足用户的个性化情感需求。
基于情感语义的服装推荐系统研究与实现
这是一篇关于推荐系统,情感计算,个性化,衬衫设计的论文, 主要内容为随着服装产业的快速发展,服装推荐和检索系统在为消费者挑选满意的服装时扮演着越来越重要的作用。传统的服装推荐系统通过服装图像文本标注或者服装图像内容(如颜色、纹理等)来推荐。近年来,一些研究者开始基于感性工学尝试从人类感知的角度去推荐服装。感性工学确实能在一定程度上用高层语义表达用户的情感需求,然而感性工学的数据是基于大量的问卷调查和统计分析而得到的,其缺乏动态性和个性化。本文以男士衬衫设计为背景,主要研究内容是男士衬衫的情感推荐。 针对感性工学推荐结果缺乏动态性和个性化,提出基于情感语义的男士衬衫个性化推荐系统,最后该系统在情感语义衬衫智能设计系统中作为一个模块被实现。首先基于Kobayashi的色彩心理学建立一个通用情感模型,用于对衬衫图像数据库中的所有图像进行自动情感标注,并把这个标注结果作为系统的默认推荐。其次为了满足个体的个性化需求,我们也将形状、纹理等影响情感的因素考虑进来,系统通过与用户交互来获得用户的情感偏好,然后通过个性化引擎来建立衬衫图像底层视觉特征与用户高层情感语义间的映射关系,并以此建立个性化情感模型。实验表明,系统经过与用户2到3轮的交互,能够很好地推荐用户满意的衬衫。 针对男士衬衫设计效率不高问题,提出了情感语义衬衫智能DIY设计,最后该方法在情感语义衬衫智能设计系统中得以实现。在系统中用户能够用高层情感语义来表达需求,并能根据用户情感输入快速推荐相应的部件、颜色和图案,然后用户可以根据部件进行自由拼接。如果用户不满意当前的推荐结果,系统还提供了许多交互式设计功能(如色彩设计、图案设计、液化和纹理滤镜等)来尽可能多的满足用户的个性化情感需求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://m.bishedaima.com/lunwen/48052.html
