基于語義Web技術(shù)的推薦系統(tǒng)研究.pdf

1、隨著Internet的發(fā)展，網(wǎng)上的信息資源呈指數(shù)級增長。在浩若煙海的互聯(lián)網(wǎng)信息中，用戶要找到有用的信息變得非常困難。這是因為用戶對信息需求的有限性、特定性和互異性與網(wǎng)上信息資源分布的分散性和無限性存在矛盾；另外，現(xiàn)有的搜索引擎并沒有提供很好的個性化服務(wù)。因此，如何通過分析用戶的興趣偏好建立用戶模型，從而來向用戶提供良好的個性化服務(wù)成為研究的熱點課題。
　　 用戶模型是個性化服務(wù)系統(tǒng)中的關(guān)鍵技術(shù)。個性化服務(wù)系統(tǒng)首先需要建立用戶模型

2、，然后才能針對不同用戶的不同興趣偏好提供個性化服務(wù)。傳統(tǒng)的用戶模型大都是使用關(guān)鍵詞來表征用戶興趣，沒有考慮詞與詞之間內(nèi)在的聯(lián)系，沒有使用信息源本身的領(lǐng)域知識為用戶興趣模型的構(gòu)建服務(wù)。為了向用戶提供更好的個性化服務(wù)，本文提出一種基于語義Web技術(shù)的推薦系統(tǒng)，并重點對其中的用戶模型進行了研究。本文的研究工作主要包括以下幾個方面：(1)本文通過對用戶模型進行分析，提出了一種新的用戶模型。該模型基于所建立的興趣分類本體，通過實例化興趣分類本體

3、來獲得每個本體化用戶描述文件。本文借鑒了信息檢索領(lǐng)域常使用的激活擴散模型來完成用戶模型的更新。(2)本文針對層次結(jié)構(gòu)的用戶興趣表示方法，對傳統(tǒng)的基于內(nèi)容的推薦方法進行了改進。在向用戶進行推薦時，本文充分考慮了用戶興趣層次結(jié)構(gòu)中的各概念的興趣值的作用，通過計算把各個類別概念的興趣值加入了用戶興趣向量中。這樣能更好的反映用戶的興趣。(3)本文在所研究的理論基礎(chǔ)之上，實現(xiàn)了一個基于語義Web技術(shù)的推薦系統(tǒng)，用于幫助政府部門來完成輿情分析的

4、工作。在該系統(tǒng)框架中，主要包括三個模塊：新聞信息收集處理模塊、用戶模型模塊和推薦策略模塊。在新聞信息收集處理模塊，通過從新聞網(wǎng)站抓取新聞及其評論信息來完成信息采集，并對每條新聞下的評論信息進行了簡單的聚類處理。用戶模型模塊采用了本文所提出的基于本體的用戶模型和更新方法。我們首先建立了一個新聞領(lǐng)域的興趣分類本體，然后通過實例化來得到用戶描述文件，并用激活擴散模型對用戶模型進行更新。推薦策略采用的本文改進的基于內(nèi)容的推薦方法。最后，通過該系