基于标签聚类与用户模型的个性化推荐方法研究

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用CiteULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。     

基于标签聚类的电子商务网站分类目录改善研究

本研究针对电子商务网站用户对商品概念认知与网站实际分类目录不匹配,导致检索效率低下的问题,提出了基于用户标签的电子商务网站分类目录改善方案,即将用户标签进行多层聚类,将聚类结果以层级结构的形式展示,并实现标签聚类结果和网站分类目录的映射,从而提高电子商务网站的分类检索效率和分类导航性能。     

基于模块化聚类的标签弹性推荐

[目的/意义]社会化标注系统为用户检索提供便利的同时也面临一些困扰,标签推荐研究有助于解决资源检索中精确度与召回率之间的两难抉择。[过程/方法]借助网络科学的理论与方法,通过对标签网络的模块化聚类处理获得主题聚类,采用度数中心度对主题聚类内部标签进行排名,根据特定规则选取Top-N标签数量。[结果/结论]实验结果显示,研究中提出的模块化Top-N标签推荐方法,具有可逐层细化的精确度和良好的召回率。该方法的弹性机制可为不同的检索要求提供差异化服务。     

基于概念聚类的知识地图模型

本文基于概念聚类的基本算法,针对组织知识管理中知识共享问题,建立一个以知识空间三元组(知识、属性、关系)为背景的知识地图模型.在该模型中,知识按其属性自动聚类成知识节点,描述知识及属性和关系,并将知识节点以偏序关系排列起来,有利于知识的快速查找,提高知识共享的效率,最大限度地发挥知识资本的作用.     

集成概念空间与潜在语义索引的文本聚类检索研究

信息环境的异构性、动态性与海量性使传统基于自然文本的信息检索方法与技术面临极大挑战,集成概念空间理论与潜在语义索引技术能为这种困境提供一些解决方案.在分析概念空间内涵与特征的基础上,利用潜在语义索引原理讨论了概念提取方法、同义词近义词处理方法及基准向量的生成方法,分析了网络条件下基于概念空间的文本分类、聚类检索基本机制,最后给出了完善概念空间的自学习机制.     

基于标签主题和概念空间的个性化推荐研究

社会化标签已经成为个性化信息推荐领域的研究热点之一.为了克服标签推荐存在的不足,文章提出一种综合考虑标签主题和主题概念空间两种因素的标签推荐方法(LDA-Concept).通过主题下标签的推荐可以保证推荐的准确性,标签概念空间的推荐可以保证多样性.以MovieLens为平台进行实验,结果表明主题因素和概念空间因素有着同等的重要性,提出的LDA-Concept方法优于单纯使用LDA方法.     

核K均值聚类改进神经网络垃圾标签检测模型

为了提高垃圾标签检测精度,提出一种核K均值聚类和改进神经网络相融合的垃圾标签检测模型。首先核K均值聚类算法提抽取垃圾标签的特征向量,然后将特征向量集输入到BP神经网络进行训练,并采用混沌粒子群算法对BP神经网络的参数进行优化,最后建立垃圾标签检测模型,并通过仿真实验对模型性能测试。结果表明,该垃圾标签检测算法模型不仅提高了垃圾标签识别率,训练时间大幅度减少,垃圾标签检测效率得到提高,可以较好满足垃圾标签实时、在线检测要求。     

基于LDA模型的文本聚类研究

在Web2.0时代,网络文本数据呈现爆炸式增长,传统的文本聚类模型存在数据维数过高,数据稀疏,缺乏语义理解等问题。针对以上问题,本文提出了一种基于LDA模型,通过Gibbs算法估计文本的主题概率分布,利用JS(Jensen-Shannon)距离作为文本的相似性度量,然后采用层次聚类法进行聚类。实验得到较高的聚类纯度(Purity)和Fscore值,表明该方法是有效的。     

基于概念语义场的文本聚类算法研究

传统的基于关键词的文本聚类算法,由于难以充分利用文本的语义特征,聚类效果差强人意。笔者提出一种概念语义场的概念,并给出了基于知网构建概念语义场的算法。即首先利用知网构造义原屏蔽层,将描述能力弱的义原屏蔽,然后在分析知网结构的基础上给出抽取相关概念的规则,以及简单概念语义场和复杂概念语义场的构造方法。最后给出一种基于概念语义场的文本聚类算法。该算法可充分利用特征词的语义关系,对不规则形状的聚类也有较好效果。实验表明,该算法可以有效提高聚类的质量。     

基于空间聚类的图像检索方法

信息检索在信息飞速增长的今天具有十分重大的意义。作为信息检索的一个重要的部分,图像检索得到了广泛的研究。由于基于文本的图像检索的种种不利因素,基于内容的图像检索成为目前的主流方向,本文提出一种基于空间聚类的方法,用图像的颜色特征来计算图像之间距离,采用DBSCAN算法对图像聚类,得到检索结果。     

向量空间模型信息检索技术讨论

传统的向量空间模型信息检索技术,只是简单地统计检索信息在文档中出现的频度,检索结果时常与文档不一致,没有反映出真实的相关性,提出了改进的加权算法,并借助辅助主题词表和个性化信息库设计了新的检索系统模型,改进了信息检索方法。     

基于概念空间的信息检索方法

概念空间方法就是自动构造概念语义网络，并以此为基础进行概念检索的一种方法。它的目标是建立一个知识丰富的、可理解的概念空问，可以代表所在信息空间中的概念及两两之间的关联。具体包括：确定研究领域，训练文档收集；数据预处理，信息过滤和自动标引；共现分析；联想检索四个阶段。概念空间技术通过词语相似度计算，辅助用户选择检索词，促使用户快速、准确地定位所需要查找的信息。笔者对其中部分算法进行模拟和实验，实验表明这种技术具有可行性。     

基于语义空间和SVM的竞争情报分类分析模型研究

针对传统的竞争情报分析模型无法有效地对情报源进行深入挖掘分析,获取企业所需的深层情报内容,本文构建了基于语义空间和SVM的竞争情报分类分析模型.该模型利用语义空间来表示文本,提高文本表示的精度;利用基于语义核函数的SVM分类分析算法进行学习和训练,实现语义层面的竞争情报分类分析.实验结果表明,该模型取得了很好的预期效果,显著提高了竞争情报分析的准确率和效率.     

基于LDA主题模型的标签推荐方法研究

针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题,本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到融合对象间关系与资源内容特征的统一推荐。实验结果表明,该方法取得了理想的预期效果,能够显著提高标签推荐的质量与效果。     

基于语义向量空间模型的文档检索系统研究

针对向量空间模型中因义相似度,建立了语义向量空间模型,并设计了基于语义向量空间模型的文档检索系统,重点研究了其中语义相似度计算和查询扩展两个核心技术,并通过实例验证了该检索系统的有效性.     

数字图书馆中基于向量空间模型的文档分类系统

介绍了一个建立在向量空间模型上的文档分类系统。该系统着重解决向量维数压缩和中文专有词汇获取等问题。在特征项的选取上，并不采用文档中出现的全部词汇，而是利用语料库统计信息生成的关键词汇。实验结果表明，较之以采用全体词汇作为特征项进行分类的方法，本方法能有效地进行向量维数压缩，同时也提高了分类准确率。     

基于Kano模型的个性化需求获取方法研究

为平衡大规模定制生产中顾客满意度与产品维护成本之间的矛盾,提出了一种基于Kano模型的个性化需求获取方法。该方法首先运用Kano模型结合模糊聚类方法,对个性化需求进行识别与筛选,构建了产品的个性化需求层次模型;然后运用熵值法结合Kano模型,计算层次模型底层个性化需求项的权重,确定了个性化需求项的重要度排序。最后以手机产品为例,证明了所述方法的可行性和有效性。     

基于自我决定理论的在线科研社群知识共享研究

为提高在线科研社群成员知识共享的积极性,本文基于自我决定理论,把基本心理需求和自主动机引入知识共享研究。构建结构方程模型,编制测量量表,以291名在线科研社群成员为样本,通过AMOS对模型进行验证。研究结果表明,自主需求通过互惠动机正向影响知识共享、能力需求,通过挑战动机正向影响知识共享、归属需求,同时通过互惠动机和挑战动机正向影响知识共享。最后提出了激励成员知识共享的措施。     

基于相空间重构技术的EM聚类模糊神经网络预测模型及其应用

应用相空间重构技术对时间序列进行分割,将原序列映射到多维的数据空间中。将期望最大化(EM)聚类算法和神经网络相结合,提出了一种基于相空间重构技术的EM聚类模糊神经网络预测模型。在股票市场上进行了应用,结果表明该预测模型降低了预测误差,提高了系统的性能。