基于互表性的个性化网页研究

为了适应各种用户需求,为用户提供全面的信息,网页往往都包容万象具有丰富庞大的信息量,然而,每个用户只关心自己感兴趣的信息.本文把网页信息和用户偏好看成模糊本体,通过求这两个模糊本体的交集得到用户感兴趣的网页信息,为用户提供高效、便捷的个性化服务.     

基于本体的元搜索引擎4级结果处理算法

提出一种基于本体的元搜索引擎4级结果处理算法.该算法结合用户的兴趣本体库,计算网页特征与本体库概念的语义相关度,把无相关性或相关性低的网页信息进行过滤.通过验证表明,该算法可以有效地加大无关信息的过滤量,提高了搜索引擎查询结果的相关性.     

一种基于UCL的中文网页信息过滤方法

围绕如何在浩瀚的中文网页中找到用户感兴趣的内容,提出了基于UCL (Uniform Content Locator)的"二阶过滤法".它将媒体空间中的信息用UCL语义格 (Semantic Cases based on UCL,SCU)表示,通过语义向量空间模型 (Semantic Vector Space Model,SVSM)对网页的语义矩阵进行分析计算,粗略筛选出用户感兴趣的网页;再借助精细语义逐句解读其内容,提取用户所关注的信息.根据用户的阅读行为动态了解用户的兴趣变化,建立用户兴趣的本体模型,并分析和定义了用户兴趣度的度量.实验验证了上述过滤方法的有效性,其测试结果同向量空间模型(Vector Space Model,VSM)进行了比较,性能明显优于VSM.     

面向语义构件检索的交互式查询方案生成

 基于语义的构件检索过程中存在的一个突出问题是用户对问题域的理解以及所熟悉的自然语言表达方式与构件的规范语义描述之间存在差异,从而导致用户很难准确刻画自己的检索请求.针对这一问题,本文提出了一种交互式的查询方案生成方法.该方法通过概念映射将用户的自然语言查询转换为本体描述,从而确定用户的查询方案.其中,概念映射需要通过与用户的交互式会话过程完成.该方法可以充分挖掘潜在的用户查询语义,对于提高构件检索的查准率和查全率、减少查询努力具有十分重要的作用.     

基于本体引导的注塑知识图谱构建及缺陷溯因应用

针对大型注塑图谱缺失、成熟标注语料匮乏等导致的工业知识图谱构建代价高昂、质量不高等问题,该文提出一种基于本体引导的注塑知识图谱构建方法。首先,设计以缺陷-表观-原因-方案为导向的注塑本体,指导注塑网页的搜集;其次将本体信息融入至触发词中,以提升对半结构化网页的知识抽取性能;然后,结合本体中的属性相似度进行两级实体对齐,综合提高冗余知识的发现率。最后与已有方法对比,图谱知识正确率高于95%,可快速实现缺陷溯因。     

面向时序感知的多类别商品方面情感分析推荐模型

电子商务网站中的评论数据隐含着商品特征和用户情感,现有基于方面情感分析的推荐研究大多通过抽取同一类别商品评论数据中用户对商品不同方面的情感来捕捉用户方面偏好,忽略了不同类别商品有不同方面以及用户的方面偏好随时间变化的特点。对此,该文提出一种面向时序感知的多类别商品方面情感分析推荐模型,该模型对用户、商品类别、商品、商品方面、方面情感和时间统一建模,以发现用户对不同类别商品的方面偏好随时间变化的特点,并据此做出推荐。该模型能够推断用户在任意时间对商品的方面偏好,从而为用户提供可解释的推荐。两个真实数据集的实验结果表明,与其它基于时间或方面情感分析的推荐模型相比,该文提出的模型在top-N推荐准确率和召回率评价指标上均获得显著改善。     

个性化搜索中一种基于位置服务的隐私保护方法

在基于位置服务的个性化搜索中,利用可信第三方服务器以及对等节点是保护用户隐私的主要方法,但在现实生活中,它们却是不完全可信的。为了解决这一问题,该文提出一种个性化搜索中基于位置服务的隐私保护方法。该方法通过转换用户的位置信息,并根据用户的查询类型生成用户模型,进而形成带有用户位置信息的查询矩阵,然后利用矩阵加密用户的查询,隐藏查询矩阵中的用户信息,最后根据安全内积计算返回相关性得分最高的前K个查询文件给用户。安全性分析表明该方法能有效地保护用户的查询隐私和位置隐私,通过分析与实验表明,该方法大幅度地缩短了索引构建时间,降低了通信开销,同时为用户提供了基于位置的个性化搜索结果,一定程度上解决了移动设备屏幕小带来的弊端。     

基于本体相似度与排序学习的构件检索方法研究

本文将排序学习的方法应用于构件检索的研究中。首先,采用领域本体对构件进行全面的描述,得到构件的特征描述本体集。然后,将构件特征描述本体集进行本体相似度计算得到构件与查询条件间的相对关系,并通过此相对关系对构件进行排序生成构件训练数据。最后,对构件训练数据和构件特征描述本体使用排序学习中的Plackett-Luce概率排序模型训练一种构件排序模型。测试时,当用户输入查询条件时,先对用户的查询进行语义修正,再根据构件排序模型进行检索,从而实现一种高效准确的构件检索方法。     

基于RDF重写的航空安全事件因果关系查询方法研究

针对航空安全事件RDF图数据因果关系查询中低匹配和无匹配的问题,提出一种基于语义相似度和RDFS规则的重写方法。该方法首先采用基于词向量的语义相似度计算方法将用户RDF三元组转换为领域本体RDF三元组,然后依据RDFS规则对领域本体RDF三元组进行关系扩展重写,最后将该方法应用于航空安全事件因果关系的查询。实验结果表明,该方法在查全率和查准率方面取得明显效果,能够改善因果关系查询中低匹配和无匹配的问题,为解决航空安全事件因果关系的查询问题提供了方法支持。     

基于动态本体的语义B/S研究

根据语义的互表性原理和动态本体理论,提出一种描述网站信息和客户偏好语义结构的方法,分析了基于这一语义结构的B/S工作过程,设计了相关动态本体的更新和演化算法,形成了一种具有语义的B/S模式,试图能为上网用户提供具有个性化的服务.     

A Personalized Search Model Using Online Social Network Data Based on a Holonic Multiagent System

Personalized search utilizes user preferences to optimize search results,and most existing studies obtain user preferences by analyzing user behaviors in search engines that provide click-through data.However,the behavioral data are noisy because users often clicked some irrelevant documents to find their required information,and the new user cold start issue represents a serious problem,greatly reducing the performance of personalized search.This paper attempts to utilize online social network data to obtain user preferences that can be used to personalize search results,mine the knowledge of user interests,user influence and user relationships from online social networks,and use this knowledge to optimize the results returned by search engines.The proposed model is based on a holonic multiagent system that improves the adaptability and scalability of the model.The experimental results show that utilizing online social network data to implement personalized search is feasible and that online social network data are significant for personalized search.     

基于兴趣偏好的微博用户性别推断研究

用户属性,如：性别、年龄等,是计算心理学、个性化搜索、社会化商业推广等研究和应用考察的核心因素。利用用户生成数据自动推断用户属性成为新兴的研究课题。本文提出基于用户兴趣偏好研究微博用户的性别推断问题。考察了用户内容偏好以及关注行为偏好对性别推断的作用。在新浪微博近万名用户的数据集上证明了用户偏好特征的有效性。与传统的语用特征相比,将用户内容偏好与关注偏好相结合能够显著提高推断准确率。关注偏好特征对推断非活跃用户的性别尤其有效。     

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，目的是解决现有搜索引擎很难考虑用户兴趣来实现用户个性化搜索问题。提出了基于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查询结果合成算法。全面描述了系统三层结构以及用户个性化搜索处理过程，并给出了对系统的评价标准。     

交互电视中基于本体的个性化节目协同推荐

提出一种在Web-TV环境中,拥有较强个性化和交互特性的基于本体的电视节目协同推荐方法。采用隐式和显式两种方法估计用户对其已收看节目的喜好程度,并根据用户收看电视节目的四条性质,提出隐式估计评分值的核心公式。在协同推荐时,利用节目本体中各元素的语义相似性,根据已经得到的评分值推测用户对未收看节目的评分值,解决了协同推荐的稀疏性缺点,并且在计算用户之间的相似度时,还考虑了用户的个人属性。最后还提出了实现了该算法的原型系统。     

A personalized image retrieval based on visual perception

A new scheme named personalized image retrieval technique based on visual perception is proposed in this letter, whose motive is to narrow the semantic gap by directly perceiving user＇s visual information. It uses visual attention model to segment image regions and eye-tracking technique to record fixations. Visual perception is obtained by analyzing the fixations in regions to measure gaze interests. Integrating visual perception into attention model is to detect the Regions Of Interest （ROIs）, whose features are extracted and analyzed, then feedback interests to optimize the results and construct user profiles.     

Hybrid Location-based Recommender System for Mobility and Travel Planning

In recent times, the modern developments of internet technologies and social networks have attracted global researchers to explore the recommender systems for generating personalized location-based services. Recommender Systems (RSs) as proven decision support tools have gained immense popularity to solve information overloading problem among various real-time applications of e-commerce, travel and tourism, movies and e-learning. RSs emerge as a popular and reliable information filtering approach that is capable of suggesting relevant items, movies, and locations to the active target user based on dynamic preferences and interests. Beyond the development of many feature-rich recommendation algorithms, the need for a better full-fledged RS to produce precise and highly relevant recommendations based on ratings and preferences provided by the target user is very high. With the specific focus to the travel domain, the global research community has been involved in the development of a complete travel recommender system that is immune to the sparsity and cold start problems. In this paper, we present a new Hybrid Location-based Travel Recommender System (HLTRS) through exploiting ensemble based co-training method with swarm intelligence algorithms to enhance the personalized travel recommendations. The proposed HLTRS is experimentally validated on the real-world large-scale dataset, and we have made an extensive user study to determine the ability of developed RS to produce user satisfiable recommendations in real-time scenarios. The obtained results and analyses demonstrate the improved performance of the proposed Hybrid Location-based Travel Recommender System over existing baselines of recommender systems research.

     

面向自主意识的标签个性化推荐方法研究

在标签系统中,用户使用资源以及标签的习惯受到自身自主意识的影响.当前的标签个性化推荐方法缺乏对此类自主意识信息的描述,限制了个性化推荐的效果.通过采用类似LDA的概率模型,建模了用户的资源使用以及标签使用两方面的自主意识信息,实现了面向用户自主意识的标签推荐.模型的参数使用基于吉布斯抽样的方法进行估计,为快速高效计算模型参数提供了可能.实验结果显示该方法可以提供更高质量的标签个性化推荐结果.     

数字图书馆中的个性化信息检索

文章提出了数字图书馆中的个性化信息检索系统，它进行联合资源发现，并根据用户的兴趣主动推送信息和对搜集结果进行排列、分类，从而使用户能够很容易地从数字图书馆中发现所需的内容。它所使用的用户兴趣建模方法为：以回答问题的方式让用户提供初始兴趣后，利用对检索结果的反馈信息和用户访问信息挖掘相结合的方法来更新用户兴趣模型。