基于本體和知識規(guī)則的混合推薦研究.pdf

1、網(wǎng)絡(luò)資源中的信息量隨著網(wǎng)絡(luò)技術(shù)的發(fā)展也在急劇增加，用戶面對浩渺的信息如何尋找到自己感興趣的項目變成了負擔。用戶興趣的差異是不一樣的，但大多數(shù)目前的網(wǎng)絡(luò)應(yīng)用程序都提供的是相同的信息，因而不能滿足用戶的個性化需求。搜索引擎的出現(xiàn)可以使用戶使用字詞查詢自己感興趣的項目，然而它的服務(wù)卻是被動的，并且系統(tǒng)返回的結(jié)果也不一定能滿足用戶興趣的需求。個性化推薦系統(tǒng)的誕生緩解了這一問題，個性化推薦系統(tǒng)能夠自動的為用戶發(fā)現(xiàn)興趣，并推薦用戶感興趣的項目，因而

2、成為了一種新的服務(wù)方式。通常，為了構(gòu)建一個推薦系統(tǒng)，一般都會考慮使用兩種最常見的推薦方法（或算法）:基于內(nèi)容過濾方法和協(xié)同過濾方法。然而，這兩種推薦方法都有各自的技術(shù)缺點。特征提取和特征表達是基于內(nèi)容過濾方法的困難之處，同時其也難以處理對用戶興趣趨向的預測。協(xié)同過濾方法則需要面臨冷啟動問題和矩陣稀疏性問題。因此，推薦算法仍有很多改進的地方。此外，傳統(tǒng)的推薦算法和系統(tǒng)所使用的項目和用戶數(shù)據(jù)模型非常的簡單，其單純的使用評分和字詞來代表用戶興

3、趣和項目內(nèi)容。推薦過程中使用的相似度計算公式不能考慮到項目特征和用戶興趣間更深層次的語義關(guān)系，因也推薦系統(tǒng)的精確度很低。最后傳統(tǒng)的推薦系統(tǒng)所使用的用戶興趣模型的更新方法也很簡單，造成用戶興趣不精準和推薦系統(tǒng)反映不靈敏等問題。
　　本文的所有工作都是為了解決傳統(tǒng)推薦算法的不足和提高推薦系統(tǒng)的推薦質(zhì)量，本文采用本體這一新工具用于改良傳統(tǒng)的推薦算法。首先本文將本體用于構(gòu)建電影領(lǐng)域的用戶模型和項目模型，使得表達用戶興趣和項目內(nèi)容的字詞在一

4、個領(lǐng)域本體中，并使各種推薦算法都能使用相同的數(shù)據(jù)模型。然后，本文構(gòu)造能夠通過分析用戶行為數(shù)據(jù)估算出用戶對視頻喜好程度的“喜好估算函數(shù)”。喜好估值函數(shù)一方面可以代替用戶評分用于減少傳統(tǒng)協(xié)同過濾算法的矩陣稀疏性，另一方面又可以為用戶興趣模型的自動更新服務(wù)。本文還研究制定一套又快又精準的用戶興趣更新方法，新的更新方法可以又快有精準的分析出用戶的新興趣。另外，文本還構(gòu)建了用于電影領(lǐng)域推薦的基于本體的相似度計算公式，使得系統(tǒng)在計算相似度時能將字詞