個(gè)性化需求的描述、獲取與推斷—案例研究.pdf

1、個(gè)性化服務(wù)是一個(gè)自動獲取用戶對信息資源或借助信息形態(tài)表征的實(shí)物資源的使用信息，分析這些信息得到用戶的特定興趣和需求，然后根據(jù)分析結(jié)果在合適的時(shí)間向每一位訪問者發(fā)送正確信息的過程，具有針對性、自動性特點(diǎn)。本文就個(gè)性化服務(wù)中的關(guān)鍵技術(shù)，用戶與資源的描述、用戶興趣的獲取與學(xué)習(xí)、推薦算法進(jìn)行了研究。在研究中，針對傳統(tǒng)個(gè)性化技術(shù)中資源、用戶描述能力的不足，本文引進(jìn)了領(lǐng)域本體模型和XMI，來描述資源深層的語義關(guān)系，并利用半結(jié)構(gòu)化數(shù)據(jù)學(xué)習(xí)和挖掘算法從

2、用戶使用數(shù)據(jù)獲取用戶的模型來進(jìn)行資源的推薦。具體的內(nèi)容如下： (1)基于本體和XMI。的個(gè)性化服務(wù)系統(tǒng)模型 傳統(tǒng)個(gè)性化服務(wù)系統(tǒng)中，資源一般采用關(guān)鍵詞向量表示，這種表示方式只考慮了資源內(nèi)容，無法區(qū)分資源在層次化結(jié)構(gòu)中體現(xiàn)出來的特征差異，在個(gè)性化推薦中無法根據(jù)資源的深層屬性和特征進(jìn)行推薦。本文中，我們提出了基于本體一XMI。的個(gè)性化服務(wù)系統(tǒng)模型，主要思想是利用本體對領(lǐng)域進(jìn)行建模，描述資源的深層屬性及屬性間的相互關(guān)系。針對個(gè)性

3、化服務(wù)系統(tǒng)中資源描述的特定需求，給出了資源描述的基本框架和該框架下利用XML，對資源進(jìn)行描述的方法。 (2)基于本體的用戶需求的描述、獲取與推薦 @2 提出了基于本體的用戶興趣模型，把用戶興趣定義為領(lǐng)域本體中資源類的虛擬實(shí)例，描述用戶結(jié)構(gòu)化的興趣特征和特征之間的相互關(guān)系；我們把用戶對資源的興趣的計(jì)算框架表示為對資源屬性興趣的加權(quán)和。借鑒前饋神經(jīng)網(wǎng)絡(luò)，通過定義泛化的delta函數(shù)，給出了用戶模型的學(xué)習(xí)方法。本模型表示方法與基于

4、關(guān)鍵詞的表示方法相比，更易被用戶理解，在表示能力和推薦精確度上有明顯的提高。 (3)基于半結(jié)構(gòu)化規(guī)則的用戶興趣表示與推薦 XML，數(shù)據(jù)與表格數(shù)據(jù)不同在于XML數(shù)據(jù)具有路徑并且路徑之間存在結(jié)構(gòu)。XML數(shù)據(jù)的約簡不僅是屬性的約簡，而且包括路徑之間關(guān)系的約簡。我們定義XMI。數(shù)據(jù)的約簡包括路徑的剪枝和路徑的泛化，并定義了約簡結(jié)果表示。 利用XML數(shù)據(jù)約簡的思想，給出了半結(jié)構(gòu)規(guī)則的定義。然后利用無序樹范式的性質(zhì)，給出一種

5、半結(jié)構(gòu)規(guī)則挖掘的算法?；诎虢Y(jié)構(gòu)化規(guī)則的用戶興趣表示反映了資源的屬性及屬性之間的泛化關(guān)系，表示直觀，易于理解，同時(shí)具有較高的推薦精度。 (4)基于語義相似度計(jì)算改進(jìn)的協(xié)同過濾。 協(xié)同過濾是個(gè)性化推薦系統(tǒng)中經(jīng)常用到的方法，但是協(xié)同過濾一般存在新用戶、新項(xiàng)目和用戶評分矩陣的稀疏問題。本文在對各個(gè)問題產(chǎn)生的原因進(jìn)行分析的基礎(chǔ)上，提出了三個(gè)改進(jìn)算法：利用語義知識、XML數(shù)據(jù)的相似度計(jì)算和用戶模型的相似度計(jì)算改進(jìn)傳統(tǒng)的協(xié)同過濾算法