基于项目语义相似度的协同过滤推荐算法

协同过滤是个性化推荐系统中最广泛使用的推荐技术.在用户评分矩阵极度稀疏情况下,传统的协同过滤推荐算法中用户相似度的计算建立在用户评分项目交集之上,并且没有考虑不同项目之间存在的语义关系,从而导致推荐准确率低.针对上述问题,文章提出一种新的基于项目语义相似度的协同过滤算法(CFSSI,collaborative filtering basedon semantic similarity between Items):首先利用领域本体计算项目之间的相似性,填充评分矩阵缺失值,而后根据修正的余弦相似度计算用户相似性.实验结果表明:算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量.     

WordNet中的综合概念语义相似度计算方法

作为语义异构问题的基础,概念间语义相似度计算已成为研究热点,对此,提出一种基于WordNet的综合概念语义相似度计算方法. 该方法不仅集成了传统的基于语义距离的算法和基于信息内容的算法,而且引入了深度、密度因子和语义重合度来进行综合分析,并针对综合算法中权值难以确定的问题,引入主成分分析改进权值分配方法. 实验结果表明,改进后的方法计算的相似度与人工判断的相似度相关性较高,有效改善了概念语义相似度计算的准确性.     

数字图书馆中兴趣度推荐算法

个性化推荐技术能够帮助用户更方便地从大量的文本数据中得到感兴趣的文本.数字图书馆中现有的个性化推荐技术都是根据文本相似性为用户推荐感兴趣的文本.该文提出用户对文本的兴趣度的概念,综合考虑了文本之间的相似性、文本的信息量和新颖性3个因素,比相似性能更好地反映用户的兴趣.同时提出基于兴趣度的个性化推荐算法.理论分析和实验结果均表明,基于兴趣度的推荐算法的推荐完全性和准确性比相似性推荐算法和基于图的混合推荐算法均有显著提高.     

一种基于本体的自然语言语义相似度算法

基于图理论的概念间语义度量方法,改进了语义相似度部分影响因素,提出一种结合设计良好的领域本体来计算自然语言概念间的语义相似度的算法.对自然语言与本体的关系进行分析,并通过本体对节点密度、节点深度与节点层次顺序等影响概念语义相似度的因素进行了改进,综合考虑概念的语义距离、概念间关系、概念的属性与概念所处的层次等影响因素,利用本体对相关领域的基本术语和关系的准确定义,改进了基于本体的概念间语义相似度的算法.实验结果表明,该算法对于提高概念间相似度的计算精度明显高于其他算法.     

融合语义相似度的矩阵分解推荐算法

针对矩阵分解推荐算法没有考虑推荐对象本身内涵特征的问题,提出一种融合对象语义相似度的矩阵分解推荐算法。首先利用知识图谱分布式表示学习算法将推荐对象所属领域的语义数据嵌入到一个低维语义向量空间;其次计算对象间语义相似度,把该语义相似度融入矩阵分解的目标优化函数中,从语义视角弥补矩阵分解推荐算法没有考虑推荐对象本身内涵特征的不足。结果表明,该改进算法相比于传统矩阵分解推荐算法具有更高的准确率、召回率和覆盖率。     

基于加权信息熵相似性的协同过滤算法

协同过滤算法是推荐系统中最为成功的技术之一,相似性计算是协同过滤算法的核心.针对传统的相似度计算方法在数据稀疏的情况下推荐不准确问题,提出了基于项目间差异信息熵的相似度计算方法,先通过差异值和共同评价数目对信息熵进行加权,再归一化处理来计算项目间的相似度.用基于项目(Item-based)相似性的协同过滤算法进行了实验验证,实验结果表明,该算法提高了个性化推荐精度.     

基于主题效能的学术文献推荐算法

针对文献推荐问题,提出了一种基于主题效能的学术文献推荐算法,该算法使用潜在狄利克雷分布(latent Dirichlet allocation,LDA)对候选文献和用户发表的文献进行建模,挖掘出具有高效能的主题集合,并根据候选文献中高效能主题的分布情况来计算它与用户兴趣之间的相似度,最后向用户推荐有价值的文献.实验结果表明:提出的算法比基于频繁项挖掘的算法具有更高的推荐准确率和推荐召回率,可同时满足用户对个性化和文献质量两方面的需求.     

一种基于时间加权和用户特征的协同过滤算法

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一,但传统协同过滤算法很少考虑到用户兴趣随着时间变化以及用户特征与兴趣的关联性两方面的问题。针对该问题提出了一种基于时间加权和用户特征的协同过滤算法,首先通过定义时间指数函数反映兴趣随时间增长的变化,然后建立用户的特征矩阵,最后采用一种新的相似度度量方法计算出目标用户的最近邻居集合。实验结果表明该算法推荐平均绝对误差(MAE)比传统算法降低了12%,推荐质量较传统算法有明显提高。     

一种基于名词的微博语义计算方法

微博具有传播快、数量大、语言简练等特点,对舆情分析提出了更高要求。从微博短文本中提取特征用来计算相似度时,现有的字符串匹配方法在语义分析方面存在局限性。因此本文从语义角度提出一种基于名词语义的微博相似度算法。该算法将名词集合作为微博特征,利用《知网》词典树状结构,计算得到微博短文本间的相似度。中等规模微博数据集实验表明,本文提出的算法能够准确判断微博主题含义,同一类别微博相似度90%以上分布在0.6-1.0之间,可为后续微博聚类服务。     

面向移动APP的个性化推荐算法

针对移动互联网移动端的推荐系统推荐满意度和精度较低问题,在分析应用信息系统推荐方法的基础上,提出了一种基于用户相似度和主题相似度个性化的移动APP信息推荐方法,该方法采用用户相似度和个性化加权组合的方式生成信息推荐,使推荐信息更为个性化,提高了推荐精度。同时针对多用户公用账号和兴趣发生变化的推荐问题,提出了一种基于复杂兴趣的推荐算法,该方法通过挖掘用户间的相似度、用户的行为操作及兴趣取向,使推荐信息更为准确。同时,相比于性能较好的Popular推荐算法,本算法在准确率上提高了3. 91%,召回率提高了3. 45%,覆盖率提高了4. 84%,性能明显提高。因此,文中所提出方法用于移动APP的个性化推荐,为移动APP的个性化推荐提供了一种新方法。     

基于语义相似度的查询扩展研究

该文分析和量化了影响本体语义相似度的各种因素,并提出了一种基于距离的概念语义相似度计算模型。在此基础上,通过对相似度阈值的控制来调整扩展概念集的范围和大小,从而实现语义概念层次上的查询扩展。经过实验分析,验证了该方法的合理性及可行性。     

基于RSS的个性化推送服务

目的为用户定制符合其个人特色的动态虚拟数字图书馆，更好地提供个性化定制服务和主动服务。自动地、最大程度地满足用户的多样化需求．方法结合RSS技术的自动推送特性及个性化服务在处理用户需求方面的优势，提出了基于RSS技术的个性化信息推送方法，设计了包含构建用户需求模型、资源组织、资源推送和资源更新4个模块的原型系统．结果根据用户的需求对数字图书馆元数据资源进行重组。使得数字图书馆的资源能够最大限度地满足用户的需求，使用户避免了网上漫无边际的查找与长时间的等待．结论该方法是可行的、有效的，可以为用户提供方便的个性化服务．     

基于Ontology的个性化元搜索引擎研究

文中提出了一种新的基于Ontology的个性化元搜索引擎系统模型，包括基于Ontology的用户描述文件的表达方法和自动隐式学习算法，以及基于Ontology的查询结果合成算法，全面地描述了系统三层结构以及用户个性化搜索处理过程。     

面向综合特征提取的流程相似度模型

针对流程相似度计算研究中注重流程结构而缺乏兼顾流程语义的问题,以及现有相似度计算方法在计算复杂度上的不足,提出一种基于流程综合特征提取的相似度计算模型.基于流程基本控制结构分析,提出边权重标注方法以扩展现有流程结构,提取流程结构特征;定义流程高层语义模型及其对应特征提取方法;融合了节点集、边集相似度,给出新的流程结构相似度定义,利用集合关系和向量空间模型计算流程语义相似度;通过加权实现综合流程相似度评价,并采用权重参数调节的方式实现了同已有相似度计算方法的自适应转化.将本文模型与典型相似度计算方法进行了实验对比,结果表明,面向综合特征提取的流程相似度计算方法更具普适性,同时具有更高效的计算能力.     

改进的语义相似度计算模型及应用

在语义检索中,语义相似度计算模型对信息查全率和查准率至关重要,通过改进传统语义相似度计算模型的不足,提出了新的语义相似度计算模型PHSS,它综合考虑概念的属性约束和层次结构,较之传统模型更能精确描述概念间语义距离。在此基础上,构建了一个玉米病虫害防治语义检索系统CDPPIRS,能依据查询信息和知识库进行语义推理,可针对用户多种查询方式提供给用户全面准确的文献信息,满足不同层次农业工作者的查询需求。在CD-PPIRS中的测试结果表明,PHSS在查全率和查准率方面均优于传统模型。     

虚拟学习社区中一种基于本体的学习资源推荐方法

虚拟学习社区中,由于大量知识点信息的存在,用户往往无法获得符合自己学习的资源.针对这个问题,提出了一种基于本体的学习资源推荐方法.该方法利用本体描述社区中的知识点体系,通过语义规则定义知识点之间的联系,结合语义推理,为用户产生学习资源的推荐.Demo系统结果表明,该方法可以有效的解决用户的学习困扰,指导用户进行学习.     

面向大数据的个性化检索中用户匿名化方法

为解决大数据中个性化检索技术所潜在的用户隐私安全和提升个性化信息检索性能之间的矛盾,提出了基于差分隐私与p-link技术相结合的用户兴趣模型匿名化方法．首先对用户的准标示符进行泛化并添加噪音满足差分隐私保护要求,最大化统计数据库中的查询精度,同时最小化识别个体及属性的概率;其次根据用户兴趣之间的相似性将其微聚为满足p-link的等价组,并计算微聚后等价组兴趣条目的权值和等价组质心;最后发布匿名化的数据．大量实验证明：该方法结合差分隐私与p-link两者的特性,实现用户兴趣模型匿名化且用户兴趣基本不发生改变,既能保护用户的隐私信息,又能保证个性化检索性能．     

基于本体的语义生物信息数据库资源链接

针对RDF生物信息数据库,结合领域知识,研究了在本体指导下的RDF数据库资源链接策略。同时,对所涉及的资源匹配、基于本体的语义相似度计算等具体问题进行算法设计及开发。实验结果验证了本文所阐述的语义生物信息数据库资源链接算法模型的有效性。     

语义相似性与协同过滤集成推荐算法研究

基于项目协同过滤算法能提高基于用户协同过滤方法的扩展性问题,并考虑项目之间的关系避免计算用户之间关系的瓶颈,但基于项目协同过滤算法依然存在稀疏性和新项目预测等问题。为了解决这些问题,该文采用了一种基于项目的结构化语义信息的集成相似性算法。为了抽取项目的语义信息,通过本体学习建立特定领域本体并利用包装器代理从网站中抽取本体类的实例和项目属性。实验结果证明了此方法不仅能很好的解决基于项目协同过滤算法带来的问题,而且还提高了推荐精度。     

基于概念格的语义Web服务匹配研究

以本体论和概念格理论为基础，提出一种基于语义Web 服务相似度的功能匹配方法；根据该方法实现了一个原型系统，为语义Web服务查找匹配提 供了一种可行的解决方案.