基于雙語(yǔ)圖書本體匹配的推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)發(fā)展日新月異，互聯(lián)網(wǎng)上每天都產(chǎn)生大量的信息，在這樣的背景下，用戶越來(lái)越難地獲取他們想要得到的信息，傳統(tǒng)web站點(diǎn)的這種大眾化的運(yùn)營(yíng)模式，已經(jīng)無(wú)法滿足不同背景下用戶的個(gè)性化需求。為了解決這一問(wèn)題，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。在個(gè)性化推薦系統(tǒng)中，協(xié)同過(guò)濾算法是應(yīng)用最為廣泛的一種算法，它根據(jù)用戶對(duì)項(xiàng)目的評(píng)分或者用戶與項(xiàng)目之間的關(guān)鍵字相似度進(jìn)行推薦，存在著信息結(jié)構(gòu)化程度低、語(yǔ)義缺乏、信息利用不充分等問(wèn)題。為了解決這一問(wèn)題，本文提出一種

2、基于本體的混合推薦系統(tǒng)模型。將本體引入到推薦系統(tǒng)中，使用OWL語(yǔ)言對(duì)用戶和項(xiàng)目信息進(jìn)行描述，使用戶和項(xiàng)目具有語(yǔ)義信息的同時(shí)，提高信息的結(jié)構(gòu)化水平。在推薦過(guò)程中，通過(guò)分析用戶行為信息并考慮時(shí)間上下文，以此來(lái)提高推薦的質(zhì)量。
　　基于以上現(xiàn)狀，本文的研究工作主要關(guān)注如何利用本體技術(shù)提升模型的準(zhǔn)確率、覆蓋率，如何更精準(zhǔn)的刻畫用戶興趣偏好。具體來(lái)說(shuō)，主要包括以下三點(diǎn)內(nèi)容:
　　(1)設(shè)計(jì)了基于時(shí)間上下文的用戶興趣模型。將用戶的行為轉(zhuǎn)

3、化成用戶對(duì)商品的興趣程度，同時(shí)引入了上下文時(shí)間的概念，用經(jīng)典的時(shí)間衰減函數(shù)來(lái)對(duì)比較久遠(yuǎn)的用戶行為進(jìn)行降權(quán)，從而可以更好的刻畫用戶的畫像，為更精準(zhǔn)的推薦打好堅(jiān)實(shí)的基礎(chǔ)。
　　(2)設(shè)計(jì)了基于雙語(yǔ)圖書本體的混合推薦系統(tǒng)模型。將經(jīng)典的協(xié)同過(guò)濾算法和基于雙語(yǔ)圖書本體匹配的算法的推薦結(jié)果進(jìn)行融合。這兩個(gè)算法各有優(yōu)缺點(diǎn)，協(xié)同過(guò)濾算法有冷啟動(dòng)問(wèn)題，對(duì)于用戶評(píng)分?jǐn)?shù)據(jù)較少時(shí)，推薦不準(zhǔn)確，且推薦結(jié)果集中在熱門商品，而基于雙語(yǔ)圖書本體匹配的推薦算法卻可