空間：文本數(shù)據(jù)的個(gè)性化語(yǔ)義查詢與多樣性推薦技術(shù)

目 錄
第1章 空間-文本數(shù)據(jù)查詢的基礎(chǔ)理論和相關(guān)技術(shù) 1
1.1 空間關(guān)鍵字查詢方法研究現(xiàn)狀 1
1.2 空間-文本對(duì)象和空間關(guān)鍵字查詢 3
1.2.1 空間-文本對(duì)象和空間關(guān)鍵字查詢的定義 3
1.2.2 空間關(guān)鍵字查詢的處理方法 4
1.2.3 查詢關(guān)鍵字拼寫(xiě)錯(cuò)誤的處理方法 6
1.3 空間索引結(jié)構(gòu)R-Tree 7
1.3.1 R-Tree結(jié)構(gòu) 7
1.3.2 R-Tree查詢操作 8
1.3.3 R-Tree插入操作 9
1.3.4 R-Tree刪除操作 11
1.4 空間-文本混合索引結(jié)構(gòu) 12
1.4.1 IR-Tree結(jié)構(gòu) 12
1.4.2 IR-Tree實(shí)例 13
1.5 本章小結(jié) 15
1.6 參考文獻(xiàn) 15
第2章 基于CGAN的空間關(guān)鍵字語(yǔ)義近似查詢 18
2.1 引言 18
2.2 問(wèn)題定義和解決方案 20
2.2.1 問(wèn)題定義 20
2.2.2 解決方案 21
2.3 空間關(guān)鍵字查詢語(yǔ)義擴(kuò)展 22
2.3.1 GAN和CGAN 22
2.3.2 CGAN生成器的構(gòu)建 24
2.3.3 判別器的構(gòu)建 26
2.3.4 CGAN的構(gòu)建 26
2.4 查詢與結(jié)果的相關(guān)性評(píng)估 27
2.4.1 文本相似度評(píng)估 27
2.4.2 數(shù)值滿意度評(píng)估 28
2.4.3 綜合評(píng)分函數(shù) 30
2.5 索引結(jié)構(gòu)與查詢匹配算法 30
2.5.1 索引結(jié)構(gòu) 30
2.5.2 實(shí)現(xiàn)算法 31
2.6 效果與性能實(shí)驗(yàn)評(píng)價(jià) 35
2.6.1 實(shí)驗(yàn)環(huán)境 35
2.6.2 CGAN模型的實(shí)現(xiàn)與效果 36
2.6.3 查詢效果實(shí)驗(yàn) 39
2.6.4 查詢效率實(shí)驗(yàn) 41
2.7 本章小結(jié) 44
2.8 參考文獻(xiàn) 44
第3章 查詢結(jié)果典型程度分析與top-k近似選取 46
3.1 引言 46
3.2 問(wèn)題定義和解決方案 47
3.2.1 問(wèn)題定義 47
3.2.2 解決方案 48
3.3 空間對(duì)象之間的距離評(píng)估 49
3.3.1 基于關(guān)鍵字耦合關(guān)系與核函數(shù)的文本語(yǔ)義距離評(píng)估 49
3.3.2 基于Word2Vec和CNN的文本語(yǔ)義距離評(píng)估 52
3.3.3 空間對(duì)象在各維度上的綜合距離 54
3.4 查詢結(jié)果的典型程度量化與top-k近似選取 54
3.4.1 查詢結(jié)果的典型程度量化方法 54
3.4.2 top-k典型結(jié)果的近似選取 56
3.5 效果與性能實(shí)驗(yàn)評(píng)價(jià) 59
3.5.1 實(shí)驗(yàn)環(huán)境 59
3.5.2 空間對(duì)象文本信息的語(yǔ)義相似度評(píng)估準(zhǔn)確性測(cè)試 60
3.5.3 空間對(duì)象典型程度評(píng)估與top-k近似選取算法的效果測(cè)試 62
3.5.4 top-k近似算法的性能測(cè)試 65
3.6 本章小結(jié) 66
3.7 參考文獻(xiàn) 66
第4章 多樣性與個(gè)性化興趣點(diǎn)推薦方法 68
4.1 引言 68
4.2 興趣點(diǎn)推薦的 外研究現(xiàn)狀分析 69
4.3 問(wèn)題定義和解決方案 70
4.3.1 問(wèn)題定義 70
4.3.2 解決方案 70
4.4 位置-社會(huì)關(guān)系模型 71
4.4.1 相關(guān)定義 71
4.4.2 位置-社會(huì)關(guān)系距離 71
4.5 興趣點(diǎn)聚類(lèi)劃分 73
4.5.1 基于譜聚類(lèi)的興趣點(diǎn)聚類(lèi)方法 73
4.5.2 興趣點(diǎn)聚類(lèi)劃分示例 75
4.6 多樣性與個(gè)性化興趣點(diǎn)選取 76
4.7 效果與性能實(shí)驗(yàn)評(píng)價(jià) 78
4.7.1 實(shí)驗(yàn)數(shù)據(jù) 78
4.7.2 興趣點(diǎn)的位置-社會(huì)關(guān)系模型效果實(shí)驗(yàn) 79
4.7.3 效果實(shí)驗(yàn) 83
4.8 本章小結(jié) 90
4.9 參考文獻(xiàn) 90
第5章 基于圖神經(jīng)網(wǎng)絡(luò)的興趣點(diǎn)推薦方法 92
5.1 引言 92
5.2 圖神經(jīng)網(wǎng)絡(luò)和基于位置的社交網(wǎng)絡(luò) 94
5.2.1 圖神經(jīng)網(wǎng)絡(luò) 94
5.2.2 基于位置的社交網(wǎng)絡(luò) 97
5.3 相關(guān)定義和解決方案 98
5.3.1 相關(guān)定義 98
5.3.2 解決方案模型 99
5.4 具體實(shí)現(xiàn)方法 101
5.4.1 用戶嵌入向量建模 101
5.4.2 興趣點(diǎn)嵌入向量建模 104
5.4.3 評(píng)分預(yù)測(cè) 110
5.4.4 模型訓(xùn)練 110
5.5 效果與實(shí)驗(yàn)性能分析 112
5.5.1 實(shí)驗(yàn)數(shù)據(jù) 112
5.5.2 比較方法 113
5.5.3 實(shí)驗(yàn)設(shè)置 113
5.5.4 實(shí)驗(yàn)結(jié)果分析 114
5.6 本章小結(jié) 121
5.7 參考文獻(xiàn) 121
第6章 基于用戶偏好的下一個(gè)興趣點(diǎn)推薦方法 123
6.1 引言 123
6.2 下一個(gè)興趣點(diǎn)推薦的 外研究現(xiàn)狀 125
6.2.1 基于馬爾可夫模型的方法 126
6.2.2 基于嵌入的方法 127
6.2.3 基于神經(jīng)網(wǎng)絡(luò)模型的方法 127
6.3 相關(guān)定義和解決方案 128
6.4 用戶關(guān)系挖掘 130
6.4.1 構(gòu)建用戶關(guān)系圖 130
6.4.2 用戶關(guān)系嵌入學(xué)習(xí) 132
6.5 用戶偏好建模 133
6.5.1 長(zhǎng)期偏好建模 133
6.5.2 用戶的短期偏好和當(dāng)前偏好建模 133
6.5.3 周期偏好 135
6.6 模型訓(xùn)練 136
6.7 實(shí)驗(yàn)結(jié)果與分析 137
6.7.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù) 137
6.7.2 實(shí)驗(yàn)及結(jié)果分析 138
6.7.3 神經(jīng)網(wǎng)絡(luò)神經(jīng)元個(gè)數(shù)的影響 141
6.7.4 模型結(jié)構(gòu)的影響 142
6.7.5 迭代次數(shù)的影響 143
6.7.6 朋友關(guān)系和偏好相似關(guān)系權(quán)重的影響 144
6.8 本章小結(jié) 145
6.9 參考文獻(xiàn) 145