基于寫作批閱平臺(tái)的個(gè)性化推薦算法設(shè)計(jì)和實(shí)現(xiàn).pdf

1、當(dāng)今，計(jì)算機(jī)技術(shù)已成為推動(dòng)社會(huì)發(fā)展與進(jìn)步的生力軍。自然語言處理技術(shù)作為計(jì)算機(jī)技術(shù)的一個(gè)大的分支，在半個(gè)世紀(jì)以來取得了迅猛發(fā)展，計(jì)算機(jī)輔助人工評閱作文已成為可能，對此，實(shí)驗(yàn)室設(shè)計(jì)完成了一個(gè)初步的寫作批閱平臺(tái)——PFWR，針對寫作批閱平臺(tái)后期的發(fā)展與普及，PFWR將會(huì)具有海量的作文庫，造成信息過載，僅僅依靠學(xué)習(xí)者自身從作文庫中選取優(yōu)秀范文進(jìn)行學(xué)習(xí)，必然其用戶體驗(yàn)很差，并且由于信息量大，學(xué)習(xí)者很難準(zhǔn)確的得到自己所想得到的優(yōu)秀范文，為此，平臺(tái)應(yīng)

2、該具有主動(dòng)向?qū)W習(xí)者推送優(yōu)秀范文供其學(xué)習(xí)的功能。而個(gè)性化推薦正是通過主動(dòng)地向用戶推薦準(zhǔn)確的信息來解決上述信息過載所帶來的問題，本文嘗試在這方面進(jìn)行研究和探索。
　　 本論文主要工作和重點(diǎn)研究的問題包括:
　　 1)提出基于對象用戶相似性的協(xié)同過濾算法——通過相似對象傳遞的方法來緩解數(shù)據(jù)的稀疏性，削弱對象熱門程度所帶來的影響，并在傳統(tǒng)推薦算法的計(jì)算公式中，通過引入評分修正項(xiàng)（ModRate）、不同用戶對同一對象的評分差異項(xiàng)以

3、及待推薦的對象與用戶之間的相近程度項(xiàng)等，嘗試使推薦優(yōu)秀范文的質(zhì)量得到較大的提高。
　　 2)提出基于詞頻主題模型和結(jié)構(gòu)的作文推薦算法——首次將主題模型引入推薦系統(tǒng)中，結(jié)合詞頻權(quán)重向量空間與主題模型精確計(jì)算出內(nèi)容上相似的作文列表，在此基礎(chǔ)上，計(jì)算作文結(jié)構(gòu)向量，進(jìn)一步重新排序作文列表，得出新的推薦結(jié)果。
　　 本文實(shí)現(xiàn)的推薦模塊彌補(bǔ)了PFWR類似平臺(tái)在個(gè)性化推薦方面的空白，首次將個(gè)性化推薦模塊在寫作批閱平臺(tái)上進(jìn)行了實(shí)現(xiàn)，它以