基于本体的个性化领域信息服务

以数字图书馆领域个性化服务为例，以空间向量模型表示用户兴趣和资源特征，并借助于构建的领域本体和“知网”知识词典对向量进行概念上的扩展，形成用户和资源特征概念空间向量，并通过向量相似度计算寻找最优的资源，从而为用户提供个性化信息服务。实验数据说明了基于概念的相似度计算比基于关键词的相似度计算具有更明显的优越性。     

移动信息服务中用户兴趣建模研究

本文充分考虑到移动设备的特点,对移动环境下用户兴趣模型的建立和更新方法进行了详细论述。通过爬取用户已下载浏览的WAP页面,分析用户对Wap页面的兴趣度,挖掘用户兴趣。基于ODP建立用户兴趣领域本体,采用基于领域本体的加权关键词用户兴趣表示方法。该模型能准确描述移动用户的兴趣及其动态变化过程,为移动个性化服务打下基础。     

基于本体的个性化信息检索技术研究

针对传统的采用关键词的信息检索方式在个性化方面的不足,提出了一种根据领域本体的个性化信息检索模型.首先获取用户的特征信息,接着利用用户的特征信息构建基于本体的用户兴趣模型,在检索过程中通过领域本体概念和用户兴趣模型对检索请求进行分析并对其进行扩展,获得符合检索意图的结果,在此基础上按兴趣度大小处理后将最终个性化信息检索结果反馈给用户.通过搭建关于本体的个性化检索原型系统,仿真结果验证了改进模型的有效性.     

用户兴趣模型的表示和更新机制

面对因特网的海量信息,为了实现基于用户兴趣的个性化信息服务,提出了用户兴趣模型的表示和更新机制．它根据用户提供的各类示例文档,将文本的段落作为识别用户兴趣的基本要素．在聚类分析基础上,考察特征项、段落和类别的表达能力,建立用户兴趣模型,通过计算与文本的匹配程度,将满足约定条件的文本推荐给用户．利用相关反馈,追踪和更新用户兴趣模型,提高个性化信息服务的效率。     

一种基于领域本体的用户建模方法

针对当前大多数个性化服务系统的不足,以旅游领域为背景,提出了一种新的基于本体的用户模型构建方法,利用领域本体中的概念、实例和属性描述用户兴趣特征,实现了在语义层次上理解用户兴趣。实验表明,该方法能有效提高用户模型的质量。     

基于本体的个性化知识服务系统的构建

为用户提供有效的个性化知识服务是图书馆等机构信息服务发展方向之一.引入本体理论,构建了一个基于本体的个性化知识服务系统.系统利用本体对多领域、跨数据库的文献库进行统一描述和重构,在此基础上进一步提出了用户个性特征模型和个性化知识检索模型,使系统实现在多文献库间进行语义层次上的个性化检索,提高了知识服务的效率和质量.     

基于本体和多Agent的个性化主动服务模型

为了突破传统主动服务模型的性能瓶颈,更好地为用户提供满足个性化需求的服务,基于领域本体建立并维护了本体用户个性模型,提出了基于本体和多Agent的个性化主动服务模型,分析了模型的运行过程,详细描述了模型中各部分功能。在详细分析模型运行的关键技术之后,阐明了模型的推与拉协作运行机制,实现了用户感兴趣信息的主动推送和用户个性需求的快速检索。最后,基于模型思想的原型系统的实验结果表明,模型能有效提高服务的性能。     

基于文本过滤的数字图书馆个性化服务技术

在数字图书馆的应用中,个性化服务可以为用户提供符合其兴趣的检索结果。提供了一种针对数字图书馆个性化服务策略的文本过滤技术,通过在向量空间内建立用户兴趣模型和文本内容特征模型,计算它们的相似度后,将用户不感兴趣的文本过滤掉。详细描述了具体的建模过程和个性化文本过滤算法,最后给出了在实际的数字图书馆工程中的验证结果。     

基于WAP的移动搜索个性化研究

不同移动用户由于背景兴趣不同,所处情境不同,信息需求也不同。不同移动用户往往访问的是某一些特定领域,并且与其所处的情境有关。本文提出了一种基于本体、情境信息的个性化方法。通过移动用户的MSSDN建立用户本体,结合用户情境,明确用户的需求,从而满足用户搜索个性化要求。     

面向移动数字图书馆的情境敏感型知识推荐研究

随着移动通信的发展,数字图书馆的各种知识服务更多地在移动终端上实施,但现有的移动数字图书馆对于用户环境、场景等“情境”的感知能力不足,缺乏为用户提供适应当前情境的个性化知识推荐服务。因此提出基于信息嫡度量读者的情境敏感性。基于情境敏感度对读者进行相似性比较,并利用这种比较扩展了协同过滤算法。试验结果表明,该方法为移动数字图书馆具备情境敏感的能力,提高知识推荐的准确性提供了一种新的途径,有利于给读者提供既满足情境又符合其个性化需求的知识资源。     

Learning and inferencing in user ontology for personalized Semantic Web search

User modeling is aimed at capturing the users’ interests in a working domain, which forms the basis of providing personalized information services. In this paper, we present an ontology based user model, called user ontology, for providing personalized information service in the Semantic Web. Different from the existing approaches that only use concepts and taxonomic relations for user modeling, the proposed user ontology model utilizes concepts, taxonomic relations, and non-taxonomic relations in a given domain ontology to capture the users’ interests. As a customized view of the domain ontology, a user ontology provides a richer and more precise representation of the user’s interests in the target domain. Specifically, we present a set of statistical methods to learn a user ontology from a given domain ontology and a spreading activation procedure for inferencing in the user ontology. The proposed user ontology model with the spreading activation based inferencing procedure has been incorporated into a semantic search engine, called OntoSearch, to provide personalized document retrieval services. The experimental results, based on the ACM digital library and the Google Directory, support the efficacy of the user ontology approach to providing personalized information services.     

A semantic-expansion approach to personalized knowledge recommendation

The rapid propagation of the Internet and information technologies has changed the nature of many industries. Fast response and personalized recommendations have become natural trends for all businesses. This is particularly important for content-related products and services, such as consulting, news, and knowledge management in an organization. The digital nature of their products allows for more customized delivery over the Internet. To provide personalized services, however, a complete understanding of user profile and accurate recommendation are essential.In this paper, an Internet recommendation system that allows customized content to be suggested based on the user's browsing profile is developed. The method adopts a semantic-expansion approach to build the user profile by analyzing documents previously read by the person. Once the customer profile is constructed, personalized contents can be provided by the system. An empirical study using master theses in the National Central library in Taiwan shows that the semantic-expansion approach outperforms the traditional keyword approach in catching user interests. The proper usage of this technology can increase customer satisfaction.     

地理信息语义关系元数据研究及应用

地理信息的发现是地理信息共享的前提和基础，目前主要以基于元数据的目录服务为主。目录服务中的信息发现是以关键字匹配为主，这种方法往往难于满足用户的需求。本文讨论了如何利用计算机领域内的本体(ontology)理论和语义网络的方法，建立描述数据之间语义关系的关系元数据(Relation Metadata)，并初步实现了基于语义关系元数据的地理信息资源发现服务的原型系统。     

基于本体概念相似度的遥感信息服务匹配研究

构建了一个遥感信息领域本体,基于领域本体和WordNet词典对遥感信息服务进行语义扩展,提出了一种基于本体概念相似度的遥感信息服务匹配方法,并对Leacock和Chodorow语义相似度计算模型进行改进。实验结果表明,该改进模型比距离模型和信息量模型都有提高,基于本体概念相似度的遥感信息服务匹配方法的查全率和查准率都能达到70%以上,较关键字匹配方法有显著提高。     

基于本体的电力知识跨媒体资源管理

随着电力企业海量数字资源的日益增长,如何对多种媒体格式的数字资源进行统一管理并进行快速、准确的搜索是电力企业知识管理中面临的难点.传统的搜索方法主要是基于关键字匹配来查找并返回大量的信息,没有考虑语义信息和用户的个性化特征,因此无法为用户提供准确、个性化的学习资源,造成了学习资源和人力的严重浪费.为解决此问题,本文基于语义技术,用机器可处理的语义元数据描述各种异构资源,并提出了基于本体的电力知识跨媒体资源标注方法,可以有效的解决用户对多知识点联动检索的问题,实现了电力企业知识内部知识的转化和传递,最终实现知识的共享和重用.     

基于Agent的个性化信息过滤系统的设计与实现

针对用户个性化服务的特定需求,文中提出了一种基于Agent的个性化信息过滤系统的设计思想及其实现过程。采用基于主题的过滤和基于兴趣的过滤相结合的过滤方法对信息分两次过滤,同时利用Agent跟踪用户的浏览行为,从而提供隐式反馈。系统能够根据文本的内容自动判别文本所属主题分类,并计算待过滤信息与用户兴趣之间的相关度,最后利用用户的反馈对用户兴趣模型进行更新,从而帮助用户准确获取有用信息。     

一种基于本体的网格服务匹配方法

传统的网格服务匹配一般是基于关键字匹配,这种匹配方法缺乏语义信息,灵活性差,查全率低.本文提出了一种新的基于本体的网格服务匹配方法,该方法使用本体语言OWL-S来描述网格服务,充分考虑了服务的语义信息,同时利用OWL推理机对网格服务进行服务分层,以提高服务匹配的效率.实验结果表明,与其他网格服务匹配方法相比,本文所提出的匹配方法具有较高的查全率和查准率及较短的服务匹配时间等优点.     

基于本体的e-Learning环境个性化服务处理方法*

为了向e-Learning环境中的学习者提供符合其个性化需求的学习服务,结合本体论具有概念和关系定义明确的特性,提出了e-Learning环境中学习者的个性化情形本体模型和相应的学习者个性化服务处理方法,该方法综合考虑了学习者的认知状态和学习偏好,进行个性化的答疑和进一步学习的内容推荐。采用该方法实现的原型系统实验表明,可使学习者的学习更有针对性,可更及时有效地消解疑惑,从而提高了学习者的学习效果和效率。