1 绪 论
1.1 引言
1.2 课题研究背景及意义
1.2.1 研究背景
1.2.2 研究意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 论文研究内容和组织结构
1.4.1 研究内容
1.4.2 论文组织结构
2 基于聚类分析的模型实例功能设计重用
2.1 聚类分析算法
2.1.1 聚类分析
2.1.2 聚类算法分类
2.1.3 聚类算法步骤
2.2 模型显性信息定义及功能划分
2.2.1模型显性信息定义
2.2.2 模型功能信息划分
2.3 基于模糊等价关系的模型功能实例库聚类
2.4 基于模型实例功能类的设计重用决策
2.5 本章小结
3 基于情感分析的情境信息获取及表示
3.1 情感分析研究概述
3.1.1 相关术语
3.1.2 情感分析研究
3.1.3 情感分析的应用
3.2 情境信息的概述及来源
3.2.1情境信息
3.2.2情境信息来源
3.3基于情感分析的情境信息获取
3.3.1粗细粒度的情感分析
3.3.2情感分析一般过程
3.3.3文本的获取及预处理
3.4 基于句法分析的属性特征-情感词表构建
3.4.1模型特征-情感词对的抽取
3.4.2基于HowNet的属性特征词聚类
3.5 特征情感分值计算
3.5.1 基于词典的极性判别方法
3.5.2情感强度计算
3.5.3属性特征评分组构建
3.6 本章小结
4 融合功能-情境信息的个性化推荐
4.1 个性化推荐技术
4.1.1 基于协同过滤的推荐
4.1.2 基于内容的推荐
4.1.3 基于关联规则的推荐
4.2 基于用户的协同过滤算法
4.2.1基于用户的协同过滤算法流程
4.2.2 相似度计算方法
4.3 基于用户的协同过滤算法问题分析
4.3.1 获取有效数据问题
4.3.2扩展性问题
4.3.3.冷启动问题
4.4 融合功能-情境信息的协同过滤推荐模型
4.4.1改进协同过滤算法方案
4.4.2改进的推荐模型
4.5 本章小结
5 融合功能-情境信息的消费级无人机
5.1 模型功能信息重用方案选择
5.1.1 消费级无人机功能模块划分
5.1.2 客户私人订制需求功能分析
5.1.3 实例库聚类及最优备选集确立
5.1.4 基础反馈外延决策优化
5.2 模型情境信息重用方案推送
5.2.2无人机机架属性特征-情感词对抽取及特征聚类
5.2.3特征词聚类及客户偏好确立
5.2.4情感分值计算及用户相似度计算
5.2.5用户聚类及推荐生成
5.3 本章小结
6 结论与展望
6.1 研究结论
6.2 研究展望
参考文献
攻读硕士学位期间发表的论文及成果
致谢
声明
西安工业大学;