面向跨系统个性化服务的多源用户模型聚合方法研究

摘要

随着互联网上信息资源的日益增多，用户对个性化服务的要求也日益提高。现有的个性化服务系统分别拥有自己的用户模型，即使存储了相同或相似的用户信息也不能共享。因此，用户要访问多个个性化服务系统时，不得不重复注册自己的信息。跨系统个性化服务以用户为中心，能在不同的系统之间重用用户信息，从而可以解决上述问题。
　　本文主要研究面向跨系统个性化服务的多源用户模型的聚合方法。研究的具体内容如下。
　　首先，针对现有用户模型中用户个人偏好的表示方法不够准确的问题，构建了一种基于领域本体的用户模型，给出了用户模型的形式化描述，讨论了用户模型的学习和更新过程，并且详细分析了同一领域中的多源用户模型的聚合过程。
　　其次，针对现有本体概念相似度的计算方法不够准确的问题，提出了一种本体概念综合相似度的计算模型；针对多源用户模型聚合过程中用户聚类算法的不足，通过构建用户内积空间模型，给出了用户相似度的计算方法，提出了一种基于用户内积空间模型的用户聚类算法，并且从多个方面与其它算法进行对比实验，验证了该算法的有效性。
　　最后，在多源用户模型的聚合过程中，针对本体映射中概念相似度计算不够准确的问题，提出了基于概念综合相似度计算的本体映射方法，并且对多个本体间的映射策略进行了分析。把该本体映射方法用于模型聚合过程中，通过实验验证了用户模型聚合方法的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及意义

1.2 国内外的研究现状

1.3 本文的主要研究内容

1.4 本文的组织结构

第2章 跨系统个性化服务用户建模及模型聚合的相关技术

2.1 用户建模相关技术概述

2.2 本体以及领域本体的相关知识

2.3 本章小结

第3章 面向跨系统个性化服务的用户模型研究

3.1 跨系统个性化服务体系

3.2 基于领域本体的用户模型

3.3 用户模型的学习与更新

3.4 用户模型的聚合过程

3.5 本章小结

第4章 多源用户模型聚合中的用户聚类算法

4.1 现有聚类算法的不足

4.2 本体中概念综合相似度的计算模型

4.3 基于用户内积空间模型的用户聚类算法

4.4 用户聚类算法的分析与评价

4.5 本章小结

第5章 多源用户模型聚合中的本体映射方法

5.1 本体的异构性

5.2 基于概念综合相似度的本体映射策略

5.3 多个本体间的映射策略

5.4 多源用户模型聚合方法的分析与评价

5.5 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介