基于知识图谱的电影知识问答系统设计与实现
这是一篇关于电影,知识图谱,网络爬虫,问答系统的论文, 主要内容为随着我国经济的不断发展,人们对精神文化的需求推动了电影行业的快速发展,2019年中国内地电影票房已破600亿,年观影人次达17.3亿人。在过去,人们获取电影信息的途径主要通过电影海报、媒体新闻、搜索引擎等。通过这样的方式,人们得到的电影信息十分有限,无法准确查询搜集到自己感兴趣的电影信息。基于知识图谱的问答系统是把问题答案存储在知识图谱中的问答系统。基于知识图谱的电影知识问答系统,通过建立基于电影领域的知识图谱库,以问答系统的形式,为人们提供更准确、更全面的电影信息,推动电影产业更好的发展。本文研究并开发了基于知识图谱的电影知识问答系统,使用网络爬虫从电影网站获取专业电影数据,利用网页解析工具Xpath和beautifulsoup对下载的原网页进行提取解析,根据爬取的电影数据构建电影节点信息,制定不同节点之间的关系,形成一个较为完整的电影领域的知识图谱。通过查阅知识图谱相关论文、实际体验其他平台的问答系统,从技术可行性、社会可行性和经济可行性的角度出发,确定了该系统的需求,在完成对系统的需求分析之后,对系统进行概要设计,采用层次体系架构的方式,降低了层与层之间的依赖,明确了系统的功能模块。在概要设计的基础上,依照软件工程的开发流程,对功能模块进行了详细的设计编码开发,系统核心功能模块主要包括:数据采集模块、实体数据存储模块、问题预处理模块、问题查询引擎模块和后台管理模块。最后对整个系统进行系统测试,根据测试结果不断对系统进行改进。本文研究的主要内容有:1.利用Scrapy爬虫框架对豆瓣电影网站进行大规模爬取,并对数据进行结构化处理,分析电影知识领域的问答实体属性和实体间关系,构建面向电影领域的知识图谱。2.对问题进行解析,包括分词、词性标注、去掉无效字符等预处理操作,jieba加载已经爬取的电影名和电影演员名,完成电影命名实体识别。按照问题主题对问题类型分类,设计问题主题抽象模板,覆盖更多的电影问题。通过朴素贝叶斯分类算法,完成用户意图识别,查询图形数据库Neo4j,得到问题回答结果。3.基于知识图谱的电影知识问答系统,根据系统不同功能模块的划分,该系统分为服务器端和用户前端。利用Python Tornado框架实现后台服务器的功能模块,前端开发技术采用Vue.js框架,结合Element的UI组件完成前端界面构建。
基于知识图谱的电影知识问答系统设计与实现
这是一篇关于电影,知识图谱,网络爬虫,问答系统的论文, 主要内容为随着我国经济的不断发展,人们对精神文化的需求推动了电影行业的快速发展,2019年中国内地电影票房已破600亿,年观影人次达17.3亿人。在过去,人们获取电影信息的途径主要通过电影海报、媒体新闻、搜索引擎等。通过这样的方式,人们得到的电影信息十分有限,无法准确查询搜集到自己感兴趣的电影信息。基于知识图谱的问答系统是把问题答案存储在知识图谱中的问答系统。基于知识图谱的电影知识问答系统,通过建立基于电影领域的知识图谱库,以问答系统的形式,为人们提供更准确、更全面的电影信息,推动电影产业更好的发展。本文研究并开发了基于知识图谱的电影知识问答系统,使用网络爬虫从电影网站获取专业电影数据,利用网页解析工具Xpath和beautifulsoup对下载的原网页进行提取解析,根据爬取的电影数据构建电影节点信息,制定不同节点之间的关系,形成一个较为完整的电影领域的知识图谱。通过查阅知识图谱相关论文、实际体验其他平台的问答系统,从技术可行性、社会可行性和经济可行性的角度出发,确定了该系统的需求,在完成对系统的需求分析之后,对系统进行概要设计,采用层次体系架构的方式,降低了层与层之间的依赖,明确了系统的功能模块。在概要设计的基础上,依照软件工程的开发流程,对功能模块进行了详细的设计编码开发,系统核心功能模块主要包括:数据采集模块、实体数据存储模块、问题预处理模块、问题查询引擎模块和后台管理模块。最后对整个系统进行系统测试,根据测试结果不断对系统进行改进。本文研究的主要内容有:1.利用Scrapy爬虫框架对豆瓣电影网站进行大规模爬取,并对数据进行结构化处理,分析电影知识领域的问答实体属性和实体间关系,构建面向电影领域的知识图谱。2.对问题进行解析,包括分词、词性标注、去掉无效字符等预处理操作,jieba加载已经爬取的电影名和电影演员名,完成电影命名实体识别。按照问题主题对问题类型分类,设计问题主题抽象模板,覆盖更多的电影问题。通过朴素贝叶斯分类算法,完成用户意图识别,查询图形数据库Neo4j,得到问题回答结果。3.基于知识图谱的电影知识问答系统,根据系统不同功能模块的划分,该系统分为服务器端和用户前端。利用Python Tornado框架实现后台服务器的功能模块,前端开发技术采用Vue.js框架,结合Element的UI组件完成前端界面构建。
小说和电影的成功联姻——从小说《动物凶猛》到电影《阳光灿烂的日子》
这是一篇关于小说,电影,改编,联姻的论文, 主要内容为王朔,可谓是叱咤在二十世纪八九十年代中国文坛上的“风云人物”。其作品的雅俗共赏性给中国的文学界也带来了一场“风波”。由其小说改编的影视作品的广泛性,更是在影视界激起不小的涟漪。 但是,王朔作为从小说到电影的成功典范,我们不仅应该注意到王朔的个人创作成分,也应该注意到电影的创作者——编剧和导演的艺术加工是电影成功的不可或缺的因素。 本文以从小说《动物凶猛》到电影《阳光灿烂的日子》的改编为例,从小说的文本创作,电影的艺术加工和全球化语境的大背景三部分,来剖析小说作家的文本写作和电影制作者的艺术加工,在小说和电影的成功联姻中,所起的重要作用。从而对从小说到电影的成功联姻做出更全面和准确的认识。
基于网络爬虫的电影集成搜索系统设计与实现
这是一篇关于电影,J2EE,B/S模式,Mysql,搜索的论文, 主要内容为如今电影逐步成为受广大群众喜爱的娱乐方式。网络影视数据资源丰富且增长速度迅猛，使得如何有效的整合网络资源变成一项重要工作.电影信息集成网站是一个全面且完善的电影信息平台，用户通过该平台，从信息的海洋中迅速准确的获取自己所需，使搜集感兴趣的影资料、与其他爱好者分享感受及挖掘新的优秀电影作品变得更为简单方便。 本文本着“以用户体验为最高宗旨”的设计思想，确定了基于网络爬虫的电影集成搜索网站的功能需求及设计目标，重点对J2EE技术及搜索引擎进行了较深入的了解研究，特别对于搜索引擎技术的不同实现方式进行了性能及搜索准确率的测试对比与深入研究，同时对J2EE不同框架技术进行了深入研究，提出了自己对电影集成网站的原型设和具体技术实现方法。本设计完成了电影集成搜索网站的开发工作，利用目前网络电影信息结构，进行对比与抽离，抽象出系统设计的数据对象，并通过Mysql数据库对数据关系进行设计，使用java程序对于网络数据行进抓取与整合，并集成J2EE框架与搜索引擎对数据进行管理。采用B/S设计模式,完成对网络电影信息的抓取与集成并统一提供给用户数据搜索与收藏交流。
基于知识图谱的电影知识问答系统设计与实现
这是一篇关于电影,知识图谱,网络爬虫,问答系统的论文, 主要内容为随着我国经济的不断发展,人们对精神文化的需求推动了电影行业的快速发展,2019年中国内地电影票房已破600亿,年观影人次达17.3亿人。在过去,人们获取电影信息的途径主要通过电影海报、媒体新闻、搜索引擎等。通过这样的方式,人们得到的电影信息十分有限,无法准确查询搜集到自己感兴趣的电影信息。基于知识图谱的问答系统是把问题答案存储在知识图谱中的问答系统。基于知识图谱的电影知识问答系统,通过建立基于电影领域的知识图谱库,以问答系统的形式,为人们提供更准确、更全面的电影信息,推动电影产业更好的发展。本文研究并开发了基于知识图谱的电影知识问答系统,使用网络爬虫从电影网站获取专业电影数据,利用网页解析工具Xpath和beautifulsoup对下载的原网页进行提取解析,根据爬取的电影数据构建电影节点信息,制定不同节点之间的关系,形成一个较为完整的电影领域的知识图谱。通过查阅知识图谱相关论文、实际体验其他平台的问答系统,从技术可行性、社会可行性和经济可行性的角度出发,确定了该系统的需求,在完成对系统的需求分析之后,对系统进行概要设计,采用层次体系架构的方式,降低了层与层之间的依赖,明确了系统的功能模块。在概要设计的基础上,依照软件工程的开发流程,对功能模块进行了详细的设计编码开发,系统核心功能模块主要包括:数据采集模块、实体数据存储模块、问题预处理模块、问题查询引擎模块和后台管理模块。最后对整个系统进行系统测试,根据测试结果不断对系统进行改进。本文研究的主要内容有:1.利用Scrapy爬虫框架对豆瓣电影网站进行大规模爬取,并对数据进行结构化处理,分析电影知识领域的问答实体属性和实体间关系,构建面向电影领域的知识图谱。2.对问题进行解析,包括分词、词性标注、去掉无效字符等预处理操作,jieba加载已经爬取的电影名和电影演员名,完成电影命名实体识别。按照问题主题对问题类型分类,设计问题主题抽象模板,覆盖更多的电影问题。通过朴素贝叶斯分类算法,完成用户意图识别,查询图形数据库Neo4j,得到问题回答结果。3.基于知识图谱的电影知识问答系统,根据系统不同功能模块的划分,该系统分为服务器端和用户前端。利用Python Tornado框架实现后台服务器的功能模块,前端开发技术采用Vue.js框架,结合Element的UI组件完成前端界面构建。
基于Hadoop的电影推荐系统的设计与实现
这是一篇关于推荐系统,协同过滤,电影的论文, 主要内容为随着社会的发展和技术的迅速革新,人们渐渐的由资讯不足的年代步入了信息过剩的时间段,处于这样时代,不管是信息的生产者,还是说信息的使用者都面临着前所未有的挑战:第一,对于前者而言,其想让自己的给出的信息变得与众不同,同时获得许许多多的目光,是一个不简单的过程;第二,对于后者而言,怎样从庞大的信息中寻求有利于自身需求的,这同样也是一个不简单的过程。因此,对于如今网络上能够让消费者观看的电影数量的正成几何倍数增加,其类型也是五花八门,常常用户需要花费大量时间来寻找自己感兴趣的电影。为了使用户有更好的体验感受,个性化推荐技术是一种有效的解决方法。如今,海量的数据库中的信息增加和用户的需求量也不断增加,而曾经的那些传统推荐算法是以主要是单机形式,计算较为复杂,无法满足海量数据的推荐计算。为了更好的解决推荐算法的可拓展性和准确性,本文设计的电影推荐系统选择了具有高度容错性的分布式文件系统HDFS作为底层文件系统,同时选择MapReduce作为海量数据处理工具。文中重点研究了基于內容的推荐算法、基于关联规则的推荐算法和协同过滤推荐算法,在进行计算和分析对比后,发现基于项目的协同过滤算法能够更好的反映用户的需求并提高效率,因此本文将选择这种算法作为推荐算法。在面对海量的数据,基于项目的协同过滤算法在Hadoop平台上无法实施,本文将它改进成基于并行化的协同过滤算法,运用到本文要介绍的个性化推荐系统中去。在本论文中我们采用SSM框架设计基于Hadoop的电影推荐系统,系统是基于B/S模式。首先需要花时间和精力去研究和分析实现电影推荐系统必须要用到的相关技术和开发环境;然后就要对系统的需求进行分析,还有总体框架如何设计,系统功能模块的搭建与设计以及数据库设计;最后将对所设计好的系统的性能进行测试,各功能模块运行正常,达到了预期的推荐效果。
基于深度学习的电影个性化推荐算法研究
这是一篇关于个性化推荐,评分矩阵填充,深度学习,自编码器,电影的论文, 主要内容为近些年来,随着信息技术以及互联网的飞速发展,通过网络观看电影已成为了许多人的一种习惯。然而,由于人们无法从海量的电影资源中快速获取自己喜爱的电影内容,这使得电影信息的过载现象变得愈发严重。作为缓解信息过载问题的重要手段之一,推荐系统可以帮助用户快速找到喜爱的电影内容,为用户带来良好的使用体验,因此其在国内外知名电影及视频网站中得到广泛应用,并带来了巨大的商业价值。推荐算法模块是电影推荐系统的核心,决定了一个推荐系统的优劣。在众多的个性化推荐算法中,协同过滤算法由于其简单性、有效性、准确性而成为了目前应用最为广泛的技术之一。然而,随着用户及电影项目数量的急剧增加,数据稀疏性问题成为了传统协同过滤算法面临的一大挑战,严重影响了推荐质量,导致用户体验度较差。此外,传统的协同过滤算法无法有效提取数据中的非线性因素,且考虑的数据角度单一,这也使得算法性能受限。随着深度学习技术的蓬勃发展,将传统推荐算法与深度学习技术相融合解决上述问题成为了新的发展趋势。针对以上问题,本文在现有研究的基础上,将改进加权Slope One方法与深度学习中的自编码器相结合,在缓解数据稀疏性问题的同时,学习数据集的更深层特征,进而提高推荐质量。本文的主要研究内容如下:1.针对数据稀疏所导致的近邻评分数据过少的问题,提出一种基于改进加权Slope One的评分矩阵填充方法。该方法利用改进的Slope One算法对未评分项目进行预测,然后将评分预测值填充到原始矩阵中,得到新的用户-项目评分矩阵,从而使得数据稀疏性大大降低。同时,本方法也为之后的DeepRec算法缓解数据稀疏性问题提供了思路。2.由于经典的协同过滤方法采用浅层模型无法学习到用户和项目的深层次非线性特征,进而导致推荐质量较差。针对上述问题,在前一个工作的基础上,将深度学习模型中的自编码器引入到电影推荐的评分预测任务中来,提出一种基于深度降噪自编码器的电影个性化推荐算法,命名为DeepRec。该算法利用深度自编码器学习非线性和有意义的用户-项目关系;同时,由于自编码器具有去噪的特性,故加入合适的噪声,以提高预测的鲁棒性和准确度。3.在MovieLens电影数据集上进行实验,并通过对本文所提算法和对比算法的实验结果分析,验证本文算法的有效性。
面向特定领域的知识图谱构建与实现
这是一篇关于知识图谱,语义网,关系抽取,可视化,电影的论文, 主要内容为作为近几年兴起的热门技术,知识图谱被认为是认知智能的基础,其以结构化的方式对现实世界中的概念、实体和关系进行描述,这为管理和组织互联网中的海量信息提供了有效手段。总体上,知识图谱可以分为开放领域知识图谱和特定领域知识图谱,开放领域知识图谱通常容纳有多个领域内的知识,其知识的范围更大,而特定领域知识图谱则包含更多领域内的专业知识。目前越来越多的知识图谱被应用于特定领域进行智能搜索、语义问答等服务并表现出了良好的效果。随着物质文化水平的提高,国民在电影市场上的消费越投入来越多。当前观众了解电影作品信息的主要途径为电影领域内的专业网站,但其存在检索和展示方式不够人性化的短板,为此本文将知识图谱应用于电影领域,构建了 一个用于电影知识可视化查询的知识图谱系统。本文基于Scrapy爬虫框架设计了一套爬虫程序用于从电影领域网站抓取电影原始数据,在对数据进行清洗和整理后利用本体描述了知识图谱的模式层设计。本文根据知识图谱的模式层,分别构建了基于RDF数据库的知识存储系统和基于图数据库的知识存储系统,在对二者进行对比之后最终选择了RDF数据库来存储知识图谱数据。然后本文利用条件随机场模型实现了电影命名实体识别,并基于已经构建的RDF知识存储系统和远程监督学习的方式提出了一种电影-人物关系的抽取方法,通过电影实体识别和关系抽取的方式从非结构化文本中抽取知识并加入知识图谱中。最后本文基于上述过程中构建的电影知识图谱实现了可视化的电影知识图谱查询系统,并描述了系统的需求分析、设计和实现细节,完成了系统的测试验证。
下一站明星成长平台webapp的设计与实现
这是一篇关于新生代艺人,电影,粉丝互动,产品设计,众筹的论文, 主要内容为2015年在中国经济增长放缓的环境下,电影行业却展现出来强劲的势头。一部部精彩的作品展现在银幕上。中国电影行业迎来了互联网化的特点,IP孵化、内容营销、电商运营等把电影行业与互联网格局相融合。然而如同其他传统行业一样,电影行业也会逐渐暴露自己的弊端。为了适应在电影行业中新生代艺人的的成长模式存在互联网倾向,解决艺人与粉丝之间的互动途径偏向互联网化等问题,特在本文提出产品设计以及技术解决方案。本文撰写目的是设计实现下一站明星成长平台,通过可靠而稳定的产品弥补传统电影行业中存在的弊端,在文化娱乐行业中形成独特的价值。本文设计了一套高可用性、低成本、快速开发的技术解决方案以及符合市场需求的产品解决方案。通过需求分析阐述了产品的整体设计思路以及功能需求,通过概要设计提出了核心技术设计方案、综述了系统体系结构和功能结构,在详细设计与实现中描述了功能模块的具体实现过程。测试、功能模块展示是对产品的总体介绍。从开发时间、成本、运维和推广的角度,采取基于微信的webapp产品形式。本人参与了项目的需求分析和总体设计以及研发测试工作,并独立完成或者主要参与以下5个功能模块的设计和实现：(1)用户模块：用户模块包括用户注册、登录、信息完善、微信登录等功能。基于微信的第三方登录,绑定手机号码等。(2)成长模块：成长模块包括了转发、点赞、收藏、评论、消息、艺人与粉丝互动、系统给用户发送消息等功能,该模块是实现新生代艺人与粉丝互动从而提高知名度达到成长的关键模块。(3)素材模块：素材模块包括图片、音频、视频的上传、压缩、滤镜以及相关素材的管理功能,高复用性的设计解决了产品中的功能需求,也为后期运维提供了基础。(4)参演模块：影视模块包括为制片方提供创建参演项目、管理参演项目等功能,为新生代艺人提供报名参演、邀请他人参演、参演项目分享等功能。(5)众筹模块：该模块通过众筹的形式增强了明星、粉丝、制片方等不同用户角色之间关系以及与平台的粘性,是产品主线(艺人成长)中最重要的部分。目前该产品的1.0基线版本已经开发完成正在试运营阶段,产品后续迭代计划正在推进。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头 ，原文地址：https://bishedaima.com/lunwen/47681.html
