论文部分内容阅读
随着互联网特别是Web3.0技术的快速发展，人们已经从单纯的信息获取者变成了网络内容的主动制造者。人们产生的文本数据也在网路上不断增加，互联网成为人们发表看法、获取观点的重要途径之一。 面对如此庞大的数据，商品的搜索和推荐变得十分普遍。当前的第三代搜索引擎多利用简单词句方面的匹配，忽视了语义方面的理解处理，并且多建立在用户对搜索内容有清晰的目的，并能明确表述这种目的的基础上，针对一些用户偏模糊而笼统的搜索关键词的物品或信息推荐束手无力。 基于此，针对电子商务中一些用户提出的含义模糊的搜索语句，本文设计并实现了一种基于深度学习的智能推荐系统，主要体现在通过在产品评论的基础上挖掘与用户搜索内容关联的信息，找到用户真实意图，并在评论挖掘的基础上进行产品的搜索和推荐。该系统主要由以下模块组成:评价对象抽取模块、情感分析模块、挖掘关联模块和排序搜索模块。各模块之间相互耦合，协同合作，从而实现语义智能信息检索模型。将通过大量的实验来证明该系统的可行性以及实用性。 首先，本文对传统搜索引擎进行分析研究，得到其缺乏语义理解、单纯语法匹配的局限，于是探讨了在传统信息检索的基础上应用对评论的深层挖掘，设计出基于深度学习的语义搜索引擎。 其次，本文分别调研和评估了评价对象抽取、情感分析等相关评论挖掘的算法，从以往的序列标注等机器学习算法到如今稍复杂的深度学习算法，进而根据实验数据进行算法调整、优化与改进融合，进一步提升模块的准确率。 最后，重点设计和实现了基于深度学习的搜索推荐系统，提出了系统的框架模型以及各模块的具体设计方案，进而分模块实现并整合系统。继而从实验和理论上分别证实该系统的可行性与实用性。