个性化推荐服务.pptVIP

个性化推荐服务;主要研究内容;主要研究内容;主要研究内容;研究内容;面向知识服务的智能推荐系统IKRS：形式模型和体系结构;军用飞机领域试验型知识本体OntoAvion的构建与可视化导航; 最新版本的军用飞机领域本体原型OntoAvion中共收录了1390多个概念术语，其中包括约600多个概念类和700多个概念实例，以及70多个对核心概念类进行说明的属性。 这些概念之间的联系通过9种抽象型关系来描述，这些关系包括Protégé工具中内置的上下位关系SubClassof、实例同义的关系SameAs、类-实例的关系Individual，以及课题组定义的表示定性归属的关系Belongsto、装备关系Equips、部分组成关系isPartOf、使用操作关系Uses、类同义的关系SameSetof、应用目的关系HasPurpose等。 ;图A.1 本体OntoAvion体系结构;图 本体编辑与存储;;图3.15 本体可视化检索主界面 ;中文文本相似性测度 典型的IVSM;基于概念语义的中文文本相似性测度SCSM方法; 领域本体中，概念间的关联主要由概念的上下位关系体现。某一概念的上位概念在某种程度上反映了该概念的背景语义信息，也就是说，本体中的所有概念最终可以归约为最上层的若干个概念类来进行描述。 通过用文本特征项的上位概念对文本概念向量填充，可以建立两个概念向量的相似度计算依据。由于加入了处于上位类的概念，使得文本特征向量中的各特征项不再是孤立的，亦即通过增加表示背景的、或上位的语义信息，可完善文本特征项对文本主题内容的表达。 例如，向量A = (歼10, 2;)与向量B = (歼击机, 2;)字面完全不相似，但由于歼10飞机是歼击机实例，故对向量A进行上位概念填充后，可变为A=(歼10, 2; 歼击机, 1.4; )。这样，向量A和B由于有了共同的背景信息的填充，使得两者具有相似性。 某一概念术语Tik，若存在上位概念Tik1，则其权重为概念Tik的权重与两概念关系的语义相似系数之积 W ik1＝Wik×WRel（Tik，Tik1）。 ;实验测试：IVSM 和SCSM 的排序效果与人排序判断的一致性 实验语料：自建，共计253篇。其中近200篇与“军用飞机”及其垂直下位概 念主题相关，另有50多篇涉及“军用机场”、“飞行员”、“发动机”等其他概念主题。评价方法：改进后的十一点平均P-R曲??方法 ;图4.4 三组实验相似性测度实验结果比较图;应用于概念检索的检索效果测试 ;;;用户兴趣建模：基于隐式信息收集和本体概念聚集的细兴趣生成;;;;;基于细兴趣相似的近邻用户生成方法可以克服基于用户-文档矩阵和用户聚类生成近邻相似用户的方法存在的缺陷，实际上是一种将兴趣内容和协同推荐结合起来推荐处理方法。 其优点在于：首先，无需大规模聚类处理，只根据用户兴趣内容进行用户相似性计算，计算更为简便和合理；第二，即使某些用户近期没有访问系统，但其兴趣内容在系统数据中仍然存在，仍然可以参与运算并得到其近邻相似用户；第三，基于细兴趣内容查找相似用户，使得某两个用户即使整体不相似而因为“局部点”的相似产生有用的推荐，可克服基于用户-文档评分矩阵的数据稀疏性问题。; 相对于传统的普通关联规则来说，加权关联规则的最大特点在于进行关联规则挖掘时，对于项目属性采用了区别对待，而不是平等对待。 IKRS系统中，用户获取文献信息资源时，该文献的时间新颖性、学术水平的高低，如被引用数量、基金的层次、论文作者的职称学历等，以及其他如论文影响因子、所在期刊的水平，乃至以往用户对该文献资源的访问下载累计次数高低等都会影响用户对于该文献的判断。 因此，在利用关联规则挖掘分析文档项目之间的关联性时，倘若在普通关联规则的支持度、置信度基础上，结合文档项目本身的某些重要属性进行关联规则加权后的推荐处理，应该更具合理性和实际应用价值。 ;设I={i1, i2, …, im}为资源项目集，其对应的权重集为W={w1, w2, ..., wm} ， 本文给出如下的加权关联规则相关定义： ;实验测试 ：基于时间新颖性的加权关联规则挖掘和资源推荐;;原型系统后台处理功能集成界面 ;本体概念词提取与三元组生成界面 ;文献资源著录与相似文献计算界面 ;资源最新入库处理界面 ;用户近期提问与下载处理界面 ;用户粗兴趣、细兴趣的处理界面;用户兴趣资源推荐、协同推荐等处理界面 ;用户登录与资源检索的页面 ;用户兴趣资源推荐的页面 ;基于相似用户的协同资源推荐的页面 ;相似文献推荐和加权关联规则推荐的页面 ;军用飞机本体可视化导航的页面 ;局限性与进一步工作 ：