网络小说分类与推荐研究

摘要

随着互联网技术的飞速发展,互联网上的信息呈现指数级增长,人们通过传统的搜索引擎越来越难以获得自己感兴趣的信息,个性化推荐系统就是在这种背景下产生的一种帮助用户解决信息过载问题的技术。
　　本论文采用了文本分类方法来对网络小说进行分类和推荐。文本分类是自然语言处理领域一项重要技术,它将文本集合中每篇文本划分到一个预先定义的类别之中。文本分类的关键技术之一是如何提取特征向量,本论文通过对比TF-IDF、信息增益、开方校验法等三种不同的特征抽取技术,以选择最适合网络小说文本分类应用的特征抽取技术。进而,本论文采用支持向量机(SVM)对小说文本进行分类,并通过分类器的组合来提高分类速度。
　　通过基于内容的推荐技术、基于协同过滤的推荐技术、和以上这两种推荐技术的融合,本论文构建了网络小说推荐系统框架。实验结果表明本系统可以很好的为用户推荐其可能感兴趣的网络小说。

目录

封面

声明

中文摘要

英文摘要

致谢

目录

插图清单

表格清单

第一章 绪论

1.1课题背景与意义

1.2文本分类研究现状

1.3推荐系统研究现状

1.4网络小说分类与推荐研究现状

1.5 本文主要内容

1.6 本文组织结构

第二章 网络小说推荐系统架构设计

2.1 网络小说推荐系统

2.2 推荐系统的架构设计

2.3 小说数据持久化以及缓存实现

第三章 基于规则的精准信息采集器与文本特征提取技术

3.1引言

3.2基于规则的精准信息采集器

3.3网络小说文本特征提取

3.4 训练数据准备

3.5 本章小结

第四章 基于支持向量机网络小说分类技术

4.1引言

4.2 基于支持向量机的分类技术

4.3 网络小说文本预处理及向量表示

4.4 实验

4.5 本章小结

第五章 融合用户兴趣与文本内容的小说推荐技术

5.1引言

5.2获取用户数据

5.3基于小说内容的推荐技术

5.4基于协同过滤的推荐技术

5.5 基于内容的推荐技术与基于协同过滤的推荐技术相融合

5.6本章小结

第六章 总结与展望

6.1 本文所做的工作

6.2 对未来的展望

参考文献

攻读硕士学位期间发表的论文

特别声明