基于LDA和Word2Vec的推荐算法研究

随着虚拟装备维修技术的快速发展,交互式训练辅助系统的研究和开发日益受到重视。但是,国内外开发的大量虚拟维修训练系统要求受训人员对于系统的了解和掌握程度较高,并且本身并不能够提供及时的问答和帮助等辅助功能。因此,怎样使受训人员的训练学习模式更加高效便捷且具有更好的人机交互体验成为亟待解决的问题。本文针对以上问题对用户的个性化问答和推荐进行了研究和并完成了相关系统的实现,具体工作主要为以下四点： (1)对问答系统和个性化推荐技术及其现状进行了分析和研究,并由此引出了相关模型的研究和改进。 (2)对本系统中关键技术进行深入研究和实验验证。首先对LDA主题模型及其原理进行了研究,该模型可以挖掘文本的潜在主题分布信息,通过LDA模型的训练和处理可以得到知识文档集和用户文档在不同主题上的分布,本文设计实验对LDA模型和传统的向量空间模型进行了对比,结果证明了LDA模型在文档的相关性匹配上的优势。本文还对word2vec及词向量技术进行了研究和相关实践,通过实验验证了其在文本相似度计算上的良好效果。 (3)基于对LDA和word2vec的研究和相关实验分析,本文提出了一种改进的问答相关度匹配算法,该算法结合了两种技术所抽取的文本的主题信息和深层语义,能够更加深入的挖掘文本的潜在语义信息并进行更加准确的相似度计算,通过实验发现,此算法取得了较好的效果。本文还对用户的个性化文档推荐和问题推荐技术进行了研究,对不同的用户进行准确全面的文档和问题推荐,帮助用户获得更高的获取信息的效率和更好的个性化交互体验。 (4)基于前文的研究基础和相关工作,完成了本文系统的整体架构设计、数据库设计、处理流程分析、功能模块设计等工作,并利用B/S结构的相关技术实现了系统的具体开发工作。