基于微博社区的问答推荐系统研究的中期报告.docx

该【基于微博社区的问答推荐系统研究的中期报告 】是由【niuwk】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【基于微博社区的问答推荐系统研究的中期报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于微博社区的问答推荐系统研究的中期报告研究背景及意义:社区问答系统已经成为了互联网上一个十分重要的应用,其中一个重要的任务就是为用户提供有质量的问题解答,便于用户获取所需信息。近年来,微博平台因其社交属性和持续性等优势,已经成为了日常生活中广泛使用的在线社交媒体之一。因此,基于微博社区的问答推荐系统研究将会对于改善社区问答系统产生积极的影响,有重要的研究意义。研究目标:本次研究旨在构建一个基于微博社区的问答推荐系统,实现针对用户提问时的自动推荐,使得用户能够快速的获得有用的回答信息。研究内容::使用Python语言编写爬虫程序,定期从微博平台中爬取数据,并将其存储到本地数据库中。:对采集到的数据进行处理,将其转化为模型能够处理的格式,并对数据进行清洗,去除掉无用信息。:使用深度学****方法进行建模,利用已有的用户历史提问和回答记录,学****出一个用于推荐的神经网络模型。:使用各种评估指标对所构建的模型进行评估,并不断优化模型的推荐效果。研究方案::使用Selenium模拟浏览器进行数据爬取,选取数据量较大的微博话题进行采集,并存储到MySQL数据库中。:对采集数据进行清洗,处理出问题和答案,使用jieba分词对文本进行处理,对一些词进行去停用词处理,并对文本进行向量化表示。:使用深度学****模型进行建模,选取基本的多层感知机MLP作为框架,采用dropout等方式进行模型优化。:使用准确率、召回率和F1值等各种评估指标对所构建的模型进行评估,并不断优化模型的推荐效果。研究进展:,并对微博社区问答推荐系统的相关研究进行了系统总结。,并完成了数据爬取程序的编写和初步数据采集。,包括对文本进行分词、去除停用词等处理方式,以及将文本转化为向量化的表示。,计划使用Tensorflow等深度学****框架来实现。研究计划:;;。