空间-文本数据的个性化语义查询与多样性推荐技术

图书标准信息

• 作者 张霄雁
• 出版社 电子工业出版社
• 出版时间 2022-07
• 版次 1
• ISBN 9787121439735
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 页数 156页
• 字数 238千字

【内容简介】

本书针对当前空间-文本数据的查询与推荐领域中亟待解决的空间关键字语义近似查询、查询结果典型化分析和多样性兴趣点推荐等问题进行阐述，以多年来在该方面发表的学术论文为基础，对所取得的相关成果进行了详细的分类，对成果的创新性进行详细的总结，内容主要包括：空间-文本数据的查询索引结构，基于CGAN的空间关键字查询语义扩展方法，空间-文本-数值相融合的混合索引结构，查询结果的典型化分析与top-k选取，多样性与个性化兴趣点推荐方法等。

【作者简介】

张霄雁，辽宁工程技术大学工程师，在读博士，主持辽宁省教育厅项目1项，参与国家自然科学基金、辽宁省自然科学基金和辽宁省教育厅项目等5项。主讲本科生核心课程2门，发表学术论文20余篇，出版学术专著1部。

【目录】

目    录

第1章  空间-文本数据查询的基础理论和相关技术1

1.1  空间关键字查询方法研究现状1

1.2  空间-文本对象和空间关键字查询3

1.2.1  空间-文本对象和空间关键字查询的定义3

1.2.2  空间关键字查询的处理方法4

1.2.3  查询关键字拼写错误的处理方法6

1.3  空间索引结构R-Tree7

1.3.1  R-Tree结构7

1.3.2  R-Tree查询操作8

1.3.3  R-Tree插入操作9

1.3.4  R-Tree删除操作11

1.4  空间-文本混合索引结构12

1.4.1  IR-Tree结构12

1.4.2  IR-Tree实例13

1.5  本章小结15

1.6  参考文献15

第2章  基于CGAN的空间关键字语义近似查询18

2.1  引言18

2.2  问题定义和解决方案20

2.2.1  问题定义20

2.2.2  解决方案21

2.3  空间关键字查询语义扩展22

2.3.1  GAN和CGAN22

2.3.2  CGAN生成器的构建24

2.3.3  判别器的构建26

2.3.4  CGAN的构建26

2.4  查询与结果的相关性评估27

2.4.1  文本相似度评估27

2.4.2  数值满意度评估28

2.4.3  综合评分函数30

2.5  索引结构与查询匹配算法30

2.5.1  索引结构30

2.5.2  实现算法31

2.6  效果与性能实验评价35

2.6.1  实验环境35

2.6.2  CGAN模型的实现与效果36

2.6.3  查询效果实验39

2.6.4  查询效率实验41

2.7  本章小结44

2.8  参考文献44

第3章  查询结果典型程度分析与top-k近似选取46

3.1  引言46

3.2  问题定义和解决方案47

3.2.1  问题定义47

3.2.2  解决方案48

3.3   空间对象之间的距离评估49

3.3.1  基于关键字耦合关系与核函数的文本语义距离评估49

3.3.2  基于Word2Vec和CNN的文本语义距离评估52

3.3.3  空间对象在各维度上的综合距离54

3.4  查询结果的典型程度量化与top-k近似选取54

3.4.1  查询结果的典型程度量化方法54

3.4.2  top-k典型结果的近似选取56

3.5  效果与性能实验评价59

3.5.1  实验环境59

3.5.2  空间对象文本信息的语义相似度评估准确性测试60

3.5.3  空间对象典型程度评估与top-k近似选取算法的效果测试62

3.5.4  top-k近似算法的性能测试65

3.6  本章小结66

3.7  参考文献66

第4章  多样性与个性化兴趣点推荐方法68

4.1  引言68

4.2  兴趣点推荐的国内外研究现状分析69

4.3  问题定义和解决方案70

4.3.1  问题定义70

4.3.2  解决方案70

4.4  位置-社会关系模型71

4.4.1  相关定义71

4.4.2  位置-社会关系距离71

4.5  兴趣点聚类划分73

4.5.1  基于谱聚类的兴趣点聚类方法73

4.5.2  兴趣点聚类划分示例75

4.6  多样性与个性化兴趣点选取76

4.7  效果与性能实验评价78

4.7.1  实验数据78

4.7.2  兴趣点的位置-社会关系模型效果实验79

4.7.3  推荐效果实验83

4.8  本章小结90

4.9  参考文献90

第5章  基于图神经网络的兴趣点推荐方法92

5.1  引言92

5.2  图神经网络和基于位置的社交网络94

5.2.1  图神经网络94

5.2.2  基于位置的社交网络97

5.3  相关定义和解决方案98

5.3.1  相关定义98

5.3.2  解决方案模型99

5.4  具体实现方法101

5.4.1  用户嵌入向量建模101

5.4.2  兴趣点嵌入向量建模104

5.4.3  评分预测110

5.4.4  模型训练110

5.5  效果与实验性能分析112

5.5.1  实验数据112

5.5.2  比较方法113

5.5.3  实验设置113

5.5.4  实验结果分析114

5.6  本章小结121

5.7  参考文献121

第6章  基于用户偏好的下一个兴趣点推荐方法123

6.1  引言123

6.2  下一个兴趣点推荐的国内外研究现状125

6.2.1  基于马尔可夫模型的方法126

6.2.2  基于嵌入的方法127

6.2.3  基于神经网络模型的方法127

6.3  相关定义和解决方案128

6.4  用户关系挖掘130

6.4.1  构建用户关系图130

6.4.2  用户关系嵌入学习132

6.5  用户偏好建模133

6.5.1  长期偏好建模133

6.5.2  用户的短期偏好和当前偏好建模133

6.5.3  周期偏好135

6.6  模型训练136

6.7  实验结果与分析137

6.7.1  实验环境与数据137

6.7.2  实验及结果分析138

6.7.3  神经网络神经元个数的影响141

6.7.4  模型结构的影响142

6.7.5  迭代次数的影响143

6.7.6  朋友关系和偏好相似关系权重的影响144

6.8  本章小结145

6.9  参考文献145