共查询到18条相似文献，搜索用时 197 毫秒
1.
用户兴趣模型的建立和维护是个性化推荐服务系统研究和开发中的一个关键问题.细粒度兴趣通过在用户兴趣特征集中区分用户的不同兴趣主题类别来发现,是对粗粒度用户兴趣的进一步挖掘和划分.本文针对以往粗粒度用户兴趣建模存在的不足,对细粒度用户兴趣建模的概念和主要方法进行简介和评述.在此基础上,提出一种基于领域本体和近邻概念聚集的细粒度用户兴趣建模方法(FUPMo).该方法通过滑动窗口控制用户兴趣概念的计算规模,通过时间窗口和兴趣衰减函数反映用户兴趣的变化.基于军用飞机领域本体OntoAvion和小规模文档库进行的实验研究表明,该细粒度用户兴趣建模方法在应用上具备有效性. 相似文献
2.
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
3.
一种面向用户兴趣的个性化语义查询扩展方法 总被引：1，自引：0，他引：1
在基于本体的语义查询扩展研究的基础上,结合用户模型的研究,提出要将用户的兴趣模型与查询扩展相结合,实现个性化的语义查询扩展,并把个性化的语义查询扩展过程分为两个阶段——检索关键词向用户模型中的个性化领域本体概念的映射以及在本体层次对映射概念的语义扩展,给出每一阶段的实现算法。实验表明该方法能够提高信息检索的查准率和查全率,在一定程度上满足个性化的查询需求。 相似文献
4.
文章提出了一种基于本体的用户建模方法。首先,基于用户兴趣概念集合,分别从同主题源本体的RDFS闭包中抽取子本体,然后采用多策略映射方法将其合并形成初始用户本体;其次,基于各类用户Web使用数据,挖掘高频关键词,追踪用户兴趣变化,构建增量本体;然后,利用衰减函数和相关阈值,将增量本体与初始用户本体合并,在增加新概念及其关系的同时,剔除不再感兴趣的概念,以实现用户本体的自动优化。 相似文献
5.
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
6.
基于领域本体的数字图书馆动态用户兴趣模型的构建 总被引：1，自引：0，他引：1
7.
基于Ontology的个性化检索 总被引：4，自引：0，他引：4
目前检索工具的设计大都面向所有用户，而不考虑用户个人的特殊信息需求。本文提出一种基于Ontology的个性化检索方法，该方法自动学习用户查询的历史记录，构建用户兴趣模型，以此推导用户新提问的真正意图，满足用户特殊的信息需求。该方法适用于Internet特定领域或者特定用户群、企业网等智能信息检索。 相似文献
8.
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
9.
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
10.
用户建模已成为个性化信息服务的关键。对用户兴趣建模几种方法的优缺点进行分析对比,引进本体概念,介绍本体建模的优点、建模思路、建模流程,并利用用户兴趣树思想建立基于本体的用户个性化兴趣模型。 相似文献
11.
12.
13.
学术资源本体非等级关系抽取研究 总被引：1，自引：1，他引：0
[目的/意义] 概念非等级关系抽取是本体构建的必要步骤,学术文献作为一种重要的学术资源类型,本文主要利用其结构特点来进行本体概念非等级关系的抽取。[方法/过程] 首先,在本体概念抽取的基础上,对文献中概念的类型进行分类,以便于后期关系动词搭配的概念类型来排除不符合条件的三元组;其次,确定学术文献中的关系类型,并采用C-value方法抽取表示关系的动词,进行本体关系的表示;再次,评价概念对的关联性,利用互信息法对概念对进行排序并去除非相关概念对,实验表明该方法非常有效;最后评价概念对与关系动词的关联,分析影响三元组关联的因素,再采用实验确定模型挖掘三元组,实验比较现有的关联规则挖掘的方法。[结果/结论] 结果表明本文提出的三元组选择模型效果明显超过现有的关联规则挖掘方法,并且在语料集扩大的情况下这种优势更为明显。 相似文献
14.
［目的/意义］提出一种基于用户行为情景的UGC质量实时预判的新思路,改进当前单一的基于文本的UGC质量预测方法。［方法/过程］在分析影响用户UGC行为的情景要素的基础上,确定UGC用户行为情景的构成,引入本体来描述和表示用户行为情景,构建用户行为情景本体框架,为UGC质量预判提供情景语义依据。［结果/结论］该方法能增强UGC质量预判的准确性和实时性。 相似文献
15.
16.
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
17.
18.
基于NMF的用户模板构造方法 总被引：2，自引：0，他引：2
文本过滤是网络安全领域的一个重要研究课题。基于内容的文本过滤关键在于建立语义层次上的用户模板。本文提出一种基于非负矩阵分解 (Non negativeMatrixFactorization ,NMF)的用户模板构造方法。该方法应用NMF算法分解项 文本矩阵来获取项之间的相关性。在此基础上 ,引入语义向量和权重向量的概念 ,并通过定义语义向量的类别区分度来提取用户模板。实际表明 ,与基于奇异值分解的潜在语义索引方法相比 ,该方法不仅较大地提高了过滤精度 ,而且具有计算速度快、占用存储空间较少的优点 相似文献