给大家分享5篇关于Word2vec模型的计算机专业论文

今天分享的是关于Word2vec模型的5篇计算机毕业论文范文, 如果你的论文涉及到Word2vec模型等主题,本文能够帮助到你

基于神经网络的新零售企业商品智能推荐机制及应用研究

这是一篇关于推荐系统,协同过滤,特征提取,Word2vec模型,神经网络的论文, 主要内容为在零售领域,传统的商业模式已经无法满足用户的需求,因此,一种新型的商业模式-电子商务就产生了,人们的购物习惯逐渐向互联网转变。然而,随着电子商务的快速发展,各类信息层出不穷,用户无法从中快速获取到感兴趣的信息。对于各类购物平台,商家也无法获取用户的偏好并为其提供个性化推荐服务。因此,如何利用推荐系统从海量的商品数据中发现有用的信息成为一个重要的课题。当前大多数算法主要利用用户对物品的行为进行推荐,普遍存在矩阵稀疏、推荐精度较低的问题。针对这些问题,本文提出了以下几点改进:(1)针对传统算法存在矩阵稀疏和冷启动的问题,研究并提出了融合商品特征的协同过滤推荐算法。首先,采用方差分析法、互信息法等来进行商品特征的选择;其次,基于Word2vec模型构建商品特征向量,计算基于商品特征的相似度矩阵;最后,优化传统协同过滤算法计算商品相似度的方式,将基于商品特征与基于协同过滤的相似度矩阵线性结合。实验结果表明,改进算法一定程度提高了推荐结果的准确率和召回率。(2)针对传统推荐算法存在利用辅助信息的不充分问题,研究并提出了基于神经网络的特征融合推荐模型。首先,使用独热编码构建特征向量;其次,利用神经网络嵌入层得到低维稠密的特征表示;最后,构建特征融合推荐模型,以用户特征矩阵和项目特征矩阵的乘积表示用户对项目的预测评分。实验结果表明,提出模型在均方误差、均方根误差和平均绝对误差等评价指标上均有所提高。(3)设计并实现了新零售企业商品智能推荐系统,为用户提供智能推荐服务。综上,本文主要研究了融合商品特征和基于神经网络的推荐算法,并设计实现了基于上述算法的推荐系统,为用户提供个性化推荐服务,提高了用户满意度。

电商在线评论有用性排序模型研究

这是一篇关于电商在线评论,评论特征,Word2vec模型,模糊层次分析,评论排序的论文, 主要内容为根据中国互联网络信息中心发布的《第42次中国互联网络发展状况统计报告》显示,全国网上零售额在2018年上半年已达4.08万亿元,同比增长超过30%。与实体购物不同,消费者在网络购物时需要在线获取商品信息并做出购物决策,在线评论所传递的信息也尤为重要。但随着电子商务规模的不断扩大,在线评论呈现出数量大、内容杂和质量参差不齐等特点。由此,如何快速从在线评论中提取有效信息成为了一个亟待解决的问题。本文以淘宝网为研究实例,对评论文本特征抽取及电商网站排序模型指标选取展开了深入研究。首先,提出了评论属性特征及评论情感特征两种特征抽取方法。针对如何从海量评论中便捷及正确的挖掘有效信息的问题,本文从电商在线评论文本挖掘方面入手,借助Word2vec模型及HowNet情感词典,对传统评论文本特征抽取方法进行了优化。其次,提出了电商在线评论有用性排序模型。针对现有电商网站排序模型指标选取不够全面和评论排序质量不佳的问题,本文从影响在线评论有用性的两大因素入手,分别从评论信息源和评论信息质量两方面,结合消费者在浏览评论时的关注点及电商在线评论自身特性,共选取七项指标构建有用性排序指标体系。本文以此为基础,结合模糊层次分析法计算各指标权重并实现排序模型的构建。本文研究成果表明,针对搜索型商品和体验型商品,该模型均能快速筛选出优质评论,同时评论阅读者的感知结果也优于传统电商平台排序。本文提出的排序模型对提高消费者的评论阅读效率,并辅助其做出购买判断具有重要作用。

基于中文命名实体识别的高中化学试题检索方法研究及应用

这是一篇关于命名实体识别,ALBert模型,双向长短期记忆网络,TF-IDF算法,Word2vec模型的论文, 主要内容为命名实体识别技术是当前自然语言处理问题研究的热点,中文化学文本资源的命名实体识别,对国内的医学化工教育等各个领域具有广泛意义。中文化学命名实体结构没有严格的构词规律可循,识别实体中包含字母、数字、特殊符号等多种形式,传统字向量模型无法有效区分化学术语中存在的嵌套实体和歧义实体。在信息化教育的大背景下,对高中化学试题样本做实体识别,可以提高和改进试题检索系统的效果。为教师精准教学和学生个性化学习提供更多可行性指南,具有十分重要的应用价值。本文主要工作包括:1.针对中文化学命名实体结构没有严格的构词规律可循,识别实体中包含字母、数字、特殊符号等多种形式的特点,本文将高中化学试题资源的命名实体划分为物质、性质、量值、实验四大类,并构建化学学科实体词汇表辅助人工标注。在BILSTM-CRF经典模型的基础上,构建轻量化的ALBert-BiGRU-CRF模型对高中化学试卷的命名实体进行识别,精确率、召回率和F1值分别达到了94.23%、93.56%、93.89%。2.本文构建了高中化学的领域知识图谱,在知识图谱上遍历检索关键词的同义词和上(下)义词进行关键词增强,利用TF-IDF的加权改进算法分别计算关键词组合在各题目中的得分,根据检索排序结果实现基于关键词的试题推荐。同时利用Word2vec模型训练的结果对分词后的待检索长文本进行词向量标注,通过取平均值的方法构建试题文本的句向量,然后用余弦相似度计算待检索文本和各题目之间的相关性大小并进行排序,实现基于题目长文本的试题推荐。3.设计并实现了高中化学试题推荐原型系统,根据教师检索的关键字信息匹配相似度最高的试题资源,同时,对教师用户自行上传的试题自动标注存储,为教师备课提供良好的资源获取分类检索服务。