浙江出版集团协同编撰系统的协同性优化

摘要

本文旨在通过优化浙江出版集团现有协同编撰系统的协同性，来降低出版周期、减少出版损耗。优化从出版流程的选题、组稿两大协同性低点入手，做以下工作: 1.分析单独使用CO算法或者遗传算法对选题环节进行优化的局限性，利用关键词基因编码将CO优化算法的优化结果从静态目标值变为最优可行域，并将最优可行域进一步使用遗传优化算法逼近最优解，通过以上方式融合两种算法优势成CO-遗传复合优化算法。 2.分析使用现有协同过滤推荐算法对组稿环节优化的局限性，后将内容推荐算法与修正余弦相似度方法结果相结合，得出既考虑用户反馈又考虑内容相似度的用户兴趣函数，通过以上方式融合两种算法优势成复合型协同过滤推荐算法。 3.将两种复合优化算法分别用于选题、组稿环节，建立了关键字基因库，作者数据库以及新的信息共享平台，并用实验组对比法对优化结果进行测试。 通过对比实验数据，选题、组稿两大环节协同性有了很大程度的提升。但随着环境的变化协同，编撰系统需要不断提升协同性，出版系统定价，“三审三校”等其他环节协同性优化方面还有很宽的研究空间。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 研究内容

1．3 研究目标

1．4 本章小结

第2章 原系统分析及现有优化理论研究

2．1 流程分析

2．2 子数据库分析

2．2．1 出版子数据库

2．2．2 发行子数据库

2．3 CO算法

2．3．1 算法简介

2．3．2 算法优点

2．4 遗传算法

2．4．1 算法简介

2．4．2 算法步骤

2．4．3 软件领域操作方式

2．4．4 分布式并行算法

2．5 协同过滤技术

2．6 本章小结

第3章 CO-遗传复合优化算法和复合型协同过滤推荐算法

3．1 现有算法分析

3．2 CO-遗传复合优化算法

3．2．1 CO算法、遗传算法的改良和融合

3．2．2 CO-遗传复合算法具体步骤及实例

3．3 现有算法分析

3．4 复合型协同过滤推荐算法

3．5 本章小结

第4章 优化算法应用

4．1 知识管理

4．1．1 知识管理分析

4．1．2 知识体系设计

4．1．3 管理架构简介

4．2 选题环节

4．2．1 优化探索

4．2．2 新算法应用

4．2．3 应用小节

4．3 组稿环节

4．3．1 平台需求

4．3．2 平台设计

4．3．3 平台实现

4．3．4 平台小结

4．4 本章小结

第5章 总结与展望

5．1 结论

5．2 展望

参考文献

致谢