用户查询论文_孟祥福,赵路路,张霄雁,李盼

导读:本文包含了用户查询论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:用户,道路网,互联网,数据,向量,语义,终端。

用户查询论文文献综述

孟祥福,赵路路,张霄雁,李盼[1](2019)在《用户相关反馈下的空间关键字语义查询方法》一文中研究指出现有的空间关键字查询方法通常根据查询关键字在空间对象文本信息中的出现频率进行文本相关度评估,没有考虑用户对不同查询关键字的偏好程度,并且也没有考虑语义相关性.为解决上述问题,本文提出一种基于用户相关反馈的空间关键字个性化语义查询方法.该方法分为离线处理和在线处理两个阶段,在离线处理阶段,采用Gibbs算法估计空间对象文本信息的主题概率分布,进而利用LDA模型对空间数据集进行语义扩展.在线查询处理阶段,对于用户的初始查询条件,首先利用IR-tree混合索引结构从扩展后的空间数据库中获得候选查询结果;然后,用户根据个人偏好在候选集中明确标注出相关的查询结果(即相关反馈),根据用户的反馈信息,采用Rocchio算法对用户初始查询条件进行更新,使得新的查询条件更贴近用户实际需求和偏好;利用更新后的查询条件再进行检索,从而得到新的候选集,重复执行反馈过程,直到查询结果令用户满意为止.实验结果表明,本文提出的基于用户相关反馈的空间关键字语义查询方法可以有效捕获用户隐式偏好并体现语义相关性,在一定程度上提高了空间关键字查询结果的个性化程度和准确率.(本文来源于《小型微型计算机系统》期刊2019年12期)

朱敏,孙峥[2](2019)在《基于用户网络查询行为数据的中国城市吸引力分析》一文中研究指出基于国内网上房地产的头部企业——安居客提供的用户租房异地搜索城市排名数据,构建城市人口流动意愿网络,测度城市在人口流动上吸引力的大小。同时提出城市吸引力四维模型,从四个维度解构城市吸引力的特点,藉此对城市类型进行归纳,实现不同城市的分类比较。研究发现按照四维吸引力模型,我国城市可以分为以北京为代表的单体型城市,以上海为代表的城市群支撑型城市。在这两个类型下,不同的城市存在多个不同的能级差异。随后对已入围国家中心城市建设名单的9座核心城市进行了分类分析。东部沿海城市中,上海、北京位于第一层级,广州位于第二层级,天津位于第叁层级;中西部城市中成都和西安位于第一层级,重庆位于第二层级,郑州和武汉位于第叁层级。(本文来源于《城市发展研究》期刊2019年10期)

周剑刚,秦小麟,张珂珩,许建秋[3](2019)在《基于道路网的多移动用户动态Skyline查询》一文中研究指出随着无线通信和定位技术的发展,道路网Skyline查询在基于位置的服务等方面越来越重要。但现有的道路网Skyline研究所涉及的空间属性仅考虑距离,并未考虑多个移动用户位置和速度的变化对用户运动时间的影响,当用户运动状态发生变化时,需要动态地调整Skyline结果,进行重新规划。文中分析了用户运动状态与查询间的关联关系,提出了查询处理算法EI,将查询过程分为两步:1)根据时间,通过协同过滤扩展方法确定初始Skyline结果集,并对数据集进行剪枝;2)监测用户的运动状态,一旦用户速度发生变化,就快速根据出入点信息动态调整Skyline集。最后,在真实路网上对算法进行了实验,并将其与现有算法N3S和EDC进行了比较,结果表明EI算法可以高效解决基于道路网的多移动用户动态Skyline查询问题。(本文来源于《计算机科学》期刊2019年09期)

Dan-yang,JIANG,Hong-hui,CHEN[4](2019)在《基于同类用户的个性化查询词自动推荐方法(英文)》一文中研究指出查询词自动推荐(queryauto-completion,QAC)通过预测查询词前缀对应的完整补全查询词帮助用户构造查询词。大多互联网搜索引擎利用用户的行为信息为用户提供个性化的查询词自动推荐列表。为提高推荐成功率,个性化的QAC方法需获取大量关于用户搜索兴趣和搜索意图的上下文信息。因此,这些方法通常受制于用户数据的稀疏性问题。本文提出利用同类用户的搜索记录解决用户数据的稀疏性问题,并提升个性化QAC方法的推荐性能。首先,通过主题模型得到用户的主题兴趣,建立每个用户的兴趣肖像,然后将兴趣肖像相似的用户聚集起来建立同类用户群。由于传统主题模型不能自动识别同类用户,提出两个同类用户主题模型,将主题建模与同类用户识别包含在同一个模型框架内。根据不同的同类用户识别方法,提供4个不同的基于同类用户的个性化QAC方法。所提个性化QAC方法通过同类用户的上下文信息和查询词的频率对补全的查询词排序。在公开的AOL查询词数据集上进行大量实验,并与不采用同类用户上下文信息的方法进行排序性能对比。实验结果显示,本文提出的基于同类用户的个性化QAC方法能有效解决用户数据稀疏性问题,并且相对于基准方法能大幅提升排序结果准确性。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年09期)

邬志罡,荆一楠,何震瀛,王晓阳[5](2019)在《基于用户查询与样本间匹配度评估的分层抽样策略》一文中研究指出在数据探索性分析场景下,用户倾向于借助抽样系统获取近似查询结果来换取更快的查询速度。现有的抽样系统通常假设用户的历史查询记录能很好地表征未来的查询情况,从而针对特定的查询特征生成特定的抽样策略。然而,在现实场景中,用户探索意图变化丰富,用户查询特征的稳定性假设通常无法得到保证。为解决上述问题,提出一种评估任意用户查询与样本间匹配度的方法。离线训练生成多份样本集,并在应对具体查询时自动选取最匹配样本集进行近似结果计算。离线样本集的生成是以在所有可能的用户查询上的预期匹配度损失总和最小作为训练目标。实验结果表明,在真实数据集上,该抽样系统与现有方法相比,将近似结果的精确度提高了26.3%。(本文来源于《计算机应用与软件》期刊2019年08期)

李秀美[6](2019)在《信息系统的数据处理:用户登录功能及查询功能设计》一文中研究指出教学内容本节课是教科版新教材必修二《信息系统与社会》第3单元"信息系统的设计与开发"第3.4节《信息系统的数据处理》第一课时。本项目主要包含"用户登录功能设计"和"自动查询借阅记录功能设计"两个活动任务。教学目标针对给定的任务进行需求分析,明确需要解决的关键问题,运用算法解决问题;能够描述信息系统(本文来源于《中国信息技术教育》期刊2019年Z3期)

李石琛[7](2019)在《基于用户日志及查询语义的商品分类扩展方法》一文中研究指出电商平台的商品分类查询,与文档查询的特点类似,因而可将其纳入信息检索领域的研究范围。用户利用电商搜索引擎进行查询时可能存在如下两类问题:一、误输入错误的查询,该查询与数据库中的商品分类不一致;二、输入意图模糊的查询,此时平台展示出太多不符和用户兴趣的商品分类。受信息检索中查询扩展思想的启发,结合在电商公司实习期间解决的实际问题,本文提出一种基于用户日志及查询语义的商品分类扩展方法,使查询结果更符合用户的真实需求。本文的工作主要有以下几方面:1.对用户查询做商品分类预测。以从检索后台拉取的用户日志为基础,基于FastText对其中的用户查询和商品分类进行训练,得到商品分类预测模型;通过分析日志文件的特点,本文对用户查询分别进行叁个等级的商品分类预测。2.对用户查询做商品分类扩展。以用户历史查询过的商品分类为基础,基于Word2Vec计算本次查询和历史商品分类间的语义相似度,并将相关的商品分类作为扩展集;为充分挖掘词间的语义联系,本文基于爬虫对多家电商平台上的语料进行收集。3.实验和系统开发。通过实验一,对比了训练不同条件下的用户日志所生成的商品分类预测模型的效果,选出准确率最高的模型;然后通过实验二,对比了依据不同维度词向量文件所计算出的语义相似度在不同区间中的数量分布情况,进而确定了叁个较合理的相似度阈值;最后基于前两个实验结果,借助所开发的实验系统对商品分类预测和扩展效果进行展示。(本文来源于《河北大学》期刊2019-06-01)

杨杰,徐越,余建桥,蒋建华[8](2019)在《基于搜索引擎日志的用户查询意图分类》一文中研究指出为了搜索引擎能提供高质量检索,提出了一种查询意图自动分类模型。该模型将用户查询分为咨询、学术、资源、服务、导航和热点6类,建立了一套查询意图分类体系;在传统搜索引擎系统中加入查询意图处理模块,通过对用户查询意图的查询词信息(Qi)、点击URL信息(Cu)和基于某分类的URL点击排序(Cr)3个分类特征进行统计分析,提取其特征向量,进而推断出用户查询意图。通过在Sogou数据集上的试验表明,各类信息的查询分类效果F值均大于0.8,取得了较好的分类效果。(本文来源于《指挥信息系统与技术》期刊2019年02期)

唐爽,王亚沙,赵俊峰,王江涛,夏丁[9](2019)在《基于本体推理的终端用户数据查询构造方法》一文中研究指出基于数据分析的智能决策对提升企业竞争力具有重要意义.根据待分析的问题,从内部信息系统的数据库中查询并获取与问题密切相关且信息完整的数据,是企业数据分析过程中的关键环节.基于本体的可视化数据查询系统为不掌握计算机专业技能的终端用户提供了高效获取数据的手段,近年来成为研究热点.然而现有工作仅采用简单的映射规则,将数据库中的表、字段、外键关系等元素直接映射为本体中的概念、属性和关系,向终端用户暴露了过多数据库设计的技术细节,增加了用户理解的难度,降低了系统的可用性.而通过人工编写映射规则来屏蔽数据库细节,既低效又缺乏通用性.针对这一问题,提出了一种基于推理的终端用户本体查询构造方法.该方法利用本体模型的语义表达能力和推理能力,在原有基于数据库简单映射所生成的本体模型基础上注入领域知识,从而优化查询构造流程,使终端用户得以从其更为熟悉的业务知识的视角,而非数据库设计的视角来看待和操纵数据,提高系统可用性;同时,增加了对分组统计的支持,扩展了方法的适用范围.最后,通过对"餐饮前台信息管理"领域真实案例的分析,验证了该方法相对于已有方法,其可用性提高了53.44%,表达能力提高了20.43%.(本文来源于《软件学报》期刊2019年05期)

江颉,傅超仪[10](2019)在《基于查询分片用户协作的位置隐私保护方法》一文中研究指出针对基于构建k匿名组的位置服务隐私保护方法在实际应用环境中协作用户并非完全可信的问题,提出一种基于查询分片用户协作的位置隐私保护方法.首先采用基于历史用户的锚点生成算法生成锚点代替用户真实位置发起查询,在经过用户自定义的数据安全等级对查询请求进行分片处理后将请求片段分别发送给匿名组中随机选择的不同用户.被选中的用户收集到全部的请求片段后发送给位置服务器.位置服务器收集到全部请求片段后进行重组,并根据用户的锚点信息采用增量近邻算法得到查询结果返回给用户.用户通过计算自身位置与查询结果之间的距离得出精确的查询结果.通过理论分析和实验结果表明该方法在有限的时间和通信开销下,具有较好的隐私保护效果.(本文来源于《小型微型计算机系统》期刊2019年05期)

用户查询论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

基于国内网上房地产的头部企业——安居客提供的用户租房异地搜索城市排名数据,构建城市人口流动意愿网络,测度城市在人口流动上吸引力的大小。同时提出城市吸引力四维模型,从四个维度解构城市吸引力的特点,藉此对城市类型进行归纳,实现不同城市的分类比较。研究发现按照四维吸引力模型,我国城市可以分为以北京为代表的单体型城市,以上海为代表的城市群支撑型城市。在这两个类型下,不同的城市存在多个不同的能级差异。随后对已入围国家中心城市建设名单的9座核心城市进行了分类分析。东部沿海城市中,上海、北京位于第一层级,广州位于第二层级,天津位于第叁层级;中西部城市中成都和西安位于第一层级,重庆位于第二层级,郑州和武汉位于第叁层级。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

用户查询论文参考文献

[1].孟祥福,赵路路,张霄雁,李盼.用户相关反馈下的空间关键字语义查询方法[J].小型微型计算机系统.2019

[2].朱敏,孙峥.基于用户网络查询行为数据的中国城市吸引力分析[J].城市发展研究.2019

[3].周剑刚,秦小麟,张珂珩,许建秋.基于道路网的多移动用户动态Skyline查询[J].计算机科学.2019

[4].Dan-yang,JIANG,Hong-hui,CHEN.基于同类用户的个性化查询词自动推荐方法(英文)[J].FrontiersofInformationTechnology&ElectronicEngineering.2019

[5].邬志罡,荆一楠,何震瀛,王晓阳.基于用户查询与样本间匹配度评估的分层抽样策略[J].计算机应用与软件.2019

[6].李秀美.信息系统的数据处理:用户登录功能及查询功能设计[J].中国信息技术教育.2019

[7].李石琛.基于用户日志及查询语义的商品分类扩展方法[D].河北大学.2019

[8].杨杰,徐越,余建桥,蒋建华.基于搜索引擎日志的用户查询意图分类[J].指挥信息系统与技术.2019

[9].唐爽,王亚沙,赵俊峰,王江涛,夏丁.基于本体推理的终端用户数据查询构造方法[J].软件学报.2019

[10].江颉,傅超仪.基于查询分片用户协作的位置隐私保护方法[J].小型微型计算机系统.2019

论文知识图

基于Web的3层B/S结构基于上下文的个人信息检索系统Hsearc...术语查询检索实现对于海洋生态功能作...光合作用过程实例损失统计示意显示界面腐蚀点安全分布图界面

标签:;  ;  ;  ;  ;  ;  ;  

用户查询论文_孟祥福,赵路路,张霄雁,李盼
下载Doc文档

猜你喜欢