共查询到17条相似文献,搜索用时 234 毫秒
1.
用户兴趣建模是个性化信息服务的基础和核心,它的主要构建环节包括了信息获取、模型表示、模型学习更新。通过对现有基于本体的用户兴趣建模思路分析,采用了叙词表改造本体的方法介绍用户兴趣模型的构建,构建过程中应用到了初始本体、领域本体、用户本体和参考本体。 相似文献
2.
基于本体构建的协同推荐研究 总被引:2,自引:0,他引:2
通过构建领域本体,利用用户兴趣与领域本体中概念的映射关系,构建用户兴趣本体,发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法,并通过用户兴趣相似度进行垂直加权,通过时间新颖度进行水平加权,从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘,实现面向内容的协同推荐。 相似文献
3.
个性化服务中用户兴趣建模与更新研究 总被引:1,自引:0,他引:1
目的:为了使用户兴趣模型更好地被推荐系统理解,实现个性化服务.方法:引入领域本体,对特征项语义进行扩展,构建电影领域本体.根据信息论思想,改进相似度的计算方法,构建基于本体的用户四元组多兴趣细粒度表示模型和相应更新机制.结果:随着用户欣赏同类电影的数量的不断增加,用户兴趣模型能进行累加学习,推荐的准确性不断提高.当用户的兴趣爱好发生转移时,用户兴趣模型能随着用户兴趣的转移合理地"遗忘"掉用户过去的爱好,而积累用户新近感兴趣的电影主题.结论:实验表明该用户兴趣模型能够准确及时地跟踪用户多种兴趣及其变化,保证用户模型的可靠性. 相似文献
4.
以博客、即时通讯、社会网络、社群共享、社会化标注等为代表的Web 2.0应用技术,使用户、信息、资源构成关系紧密的web网络。目前将本体应用到社会化标签用户动态兴趣的研究资料极为稀少,尚无法满足平台对用户兴趣精准把控的需求。本研究从此角度出发,探讨兴趣模型的构建方法。在《中国分类主题词表》和《中国图书馆分类法》对词语的约束规则和关系定义的基础上,构建豆瓣读书用户的兴趣标签本体;并根据再现率、覆盖度、热度率指标对标签的兴趣强度、稳定性进行预测实验,确定兴趣的表示形式,以此构建初始兴趣模型,并提出相应的兴趣节点更新流程。本研究提出的基于本体的用户兴趣模型及更新流程在用户兴趣表示的深度及广度上有了一定程度的提升,在标签资源推荐、检索等实践应用上其适用性更强。 相似文献
5.
6.
[目的/意义] 构建一个基于多语言本体的跨语言信息检索模型,有助于用户通过该模型使用自己熟悉的语言来获取不同语种的信息资源。[方法/过程] 通过本体设计及检索模型功能模块设计建立一个基于数字出版领域本体的中英跨语言信息检索模型,并利用Java语言及Lucene搜索引擎架构对该模型进行编程实现。[结果/结论] 多语言领域本体具有明确、形式化、共享、概念化、结构清晰等特征,可以作为语义层应用于跨语言信息检索系统之中,实现信息资源的语义表达。经测试,本文构建的模型能够较好地实现分词、查询扩展和语义关联等功能,促进跨语言信息检索向语义层次发展。 相似文献
7.
[目的/意义] 以社交事件为中心构建社会情景本体模型,使其能够对社会情景进行动态的、丰富语义的描述。[方法/过程] 研究Web服务相关事件本体,确定基本体;分析以用户为中心、以交互社区为中心和以资源为中心的社会情景相关本体,确定扩展本体。通过本体集成的6个阶段对基本体和扩展本体进行集成,输出以社交事件为中心的社会情景本体(SIECSCO)。以微信平台中的用户社会情景为例,构建SIECSCO 实例,验证本体模型的有效性。[结果/结论] 以社交事件为中心构建社会情景本体模型优于传统的社会情景本体模型结构,SIECSCO能够很好地对社会情景的动态演化过程进行描述。 相似文献
8.
9.
基于用户行为建模和大数据挖掘的图书馆个性化服务研究 总被引:5,自引:0,他引:5
[目的/意义] 大数据背景下,如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务,是当前图书馆大数据应用落地迫切需要解决的问题。[方法/过程] 首先分析用户行为模型构建的研究现状及存在的困境,接着密切结合大数据背景下个性化服务的特征,针对性提出基于本体的高校图书馆用户行为模型的构建策略和构建方法,并设计一种利用用户日志库提取用户显性兴趣和隐性需求本体的个性化服务方案,最后给出基于流行的Hadoop大数据分析平台和MapReduce计算框架的图书馆个性化服务的应用案例。[结果/结论] 基于本体构建的用户行为模型,技术上可与大数据分析平台实现无缝对接,从而提供实时而精准的服务,能有效应对当前大数据环境下图书馆个性化服务面临的“知识迷航”“信息过载”和“情感缺失”的挑战。 相似文献
10.
基于Web挖掘技术的用户兴趣本体学习研究 总被引:2,自引:1,他引:1
目前针对基于关键词的用户模型不能从语义上表达用户需求真正内涵,基于领域本体的用户模型多数忽略研究概念间非分类关系和语义应用环境较分散等缺陷。本文提出一种循环式的基于Web挖掘技术的用户兴趣本体学习模型,即综合应用统计分析、关联规则和聚类分析等技术进行电子商务领域用户兴趣概念及概念间分类与非分类关系学习,面对用户兴趣的迅速变化,还提出一种传递激活方法来实时更新本体或重新进行本体学习,以不断提高该本体的质量。经验证,基于该本体的用户模型在文本过滤等应用中能较上述两种用户模型满足用户个性化服务需求。 相似文献
11.
12.
13.
针对语义检索在实际应用中面临的用户查询意图获取困难、潜在语义索引计算复杂、领域本体覆盖范围小、概念语义类型不丰富、自动化程度低等问题,提出基于WordNet和SUMO本体集成的自动语义检索及可视化模型。实验表明这种模型能够过滤掉大量与用户查询无关的信息,提高信息检索系统的检准率,并很好地满足用户可视化和个性化检索需求。 相似文献
14.
15.
16.
17.