本文選題：個性化推薦　切入點：知識融合　出處：《圖書館學研究》2017年05期 　論文類型：期刊論文

【摘要】：大數(shù)據(jù)環(huán)境為個性化推薦提供了豐富的知識源,但是如何從中獲取知識并通過融合轉(zhuǎn)化成實現(xiàn)精準個性化推薦的情報,是亟待解決的問題。從知識科學的角度,以知識融合的三層模型為基礎,本文構(gòu)建了以數(shù)據(jù)層知識融合、模型層知識融合以及應用層知識融合為一體的個性化推薦模型。該模型融合了大數(shù)據(jù)環(huán)境下的多源信息,構(gòu)建了基于用戶、商品、情境本體的知識庫,從消費價值的角度深度分析商品特征,挖掘用戶偏好,構(gòu)建了基于語義—信任—情境融合的用戶偏好模型,并利用DS證據(jù)理論對傳統(tǒng)協(xié)同過濾和知識過濾推薦算法進行融合,實現(xiàn)個性化推薦。
[Abstract]:Big data environment provides a rich knowledge source for personalized recommendation, but how to obtain knowledge from it and convert it into accurate personalized recommendation information is an urgent problem to be solved. Based on the three-layer model of knowledge fusion, this paper constructs a personalized recommendation model based on data layer knowledge fusion, model level knowledge fusion and application layer knowledge fusion. The model combines the multi-source information under big data environment. This paper constructs a knowledge base based on user, commodity and situational ontology, analyzes commodity characteristics from the perspective of consumption value, excavates user preferences, and constructs a user preference model based on semantic, trust and situational fusion. Using DS evidence theory, the traditional collaborative filtering and knowledge filtering recommendation algorithms are fused to realize personalized recommendation.
【作者單位】： 武漢大學信息管理學院;武漢大學信息系統(tǒng)研究中心;
【基金】：國家自然科學基金資助項目“社會化媒體集成檢索與語義分析方法研究”(項目編號:71273194)的研究成果之一
【分類號】：F49

【相似文獻】

相關期刊論文 前2條

1 劉海峰;陳琦;劉守生;;從數(shù)學建模角度思考《概率論與數(shù)理統(tǒng)計》的教改途徑[J];科技創(chuàng)新導報;2009年06期

2 ;[J];;年期

相關會議論文 前2條

1 熊青春;陳才;;基于知識融合的數(shù)控加工工藝信息平臺研究與實現(xiàn)[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

2 崔磊;陳清才;郭鴻志;王曉龍;;HowNet與維基百科知識融合中的義類屬性自動構(gòu)建方法[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

相關博士學位論文 前2條

1 緱錦;知識融合中若干關鍵技術研究[D];浙江大學;2005年

2 謝能付;基于語義Web技術的知識融合和同步方法研究[D];中國科學院研究生院（計算技術研究所）;2006年

相關碩士學位論文 前2條

1 李秉哲;服務于制造企業(yè)創(chuàng)新績效評價的知識融合模型研究[D];哈爾濱工業(yè)大學;2014年

2 夏躍龍;多源異構(gòu)民族信息資源知識融合算法研究[D];云南師范大學;2014年

，

本文編號：1651399