隨著知識經(jīng)濟時代的來臨,基于知識資源的知識創(chuàng)新能力逐漸成為企業(yè)核心競爭力。企業(yè)在信息化發(fā)展過程中積累了大量的知識,但隨著企業(yè)內(nèi)部知識量的膨脹,用戶獲取到真正所需知識越來越困難,從而引發(fā)了“知識過載”、“知識迷航”等一系列相關(guān)問題。為了解決目前主動知識服務(wù)過程中知識需求模型構(gòu)建的困難,提高知識推薦的準確性,本文研究了基于任務(wù)的知識需求模型自動構(gòu)建技術(shù)和基于任務(wù)的協(xié)同過濾推薦技術(shù)。論文的主要研究內(nèi)容如下:（1）分析了目前知識服務(wù)的研究現(xiàn)狀,設(shè)計了基于任務(wù)驅(qū)動的主動知識服務(wù)系統(tǒng)框架,描述了系統(tǒng)知識服務(wù)的流程。（2）研究了基于任務(wù)的知識需求模型自動構(gòu)建技術(shù),設(shè)計了知識需求模型的自動構(gòu)建流程及方法。該方法首先利用基于人工免疫的本體匹配過程獲取到最優(yōu)知識節(jié)點;然后根據(jù)基于規(guī)則的知識歸并過程建立任務(wù)知識與知識節(jié)點的映射關(guān)系,并將其插入到知識需求模型中來完成模型的自動構(gòu)建過程。最后通過實驗驗證了該方法的有效性。（3）研究了基于任務(wù)的協(xié)同過濾推薦技術(shù),設(shè)計了基于任務(wù)的協(xié)同過濾推薦流程及算法。該算法首先利用基于任務(wù)的知識過濾過程對知識需求模型中知識進行過濾;然后根據(jù)知識推薦列表生成過程將過濾后的知識按照優(yōu)... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略詞
第一章 緒論
    1.1 引言
    1.2 知識服務(wù)的研究現(xiàn)狀
        1.2.1 知識服務(wù)的應(yīng)用模式和功能
        1.2.2 知識服務(wù)體系架構(gòu)
    1.3 關(guān)鍵技術(shù)研究現(xiàn)狀
        1.3.1 本體匹配技術(shù)
        1.3.2 推薦技術(shù)研究現(xiàn)狀
    1.4 論文研究內(nèi)容及組織結(jié)構(gòu)
        1.4.1 研究內(nèi)容
        1.4.2 組織結(jié)構(gòu)
第二章 系統(tǒng)總體框架
    2.1 系統(tǒng)需求分析
    2.2 系統(tǒng)框架設(shè)計
    2.3 系統(tǒng)知識服務(wù)流程
    2.4 系統(tǒng)關(guān)鍵技術(shù)
        2.4.1 基于本體的知識集成技術(shù)
        2.4.2 基于任務(wù)的知識需求模型自動構(gòu)建技術(shù)
        2.4.3 基于任務(wù)的協(xié)同過濾推薦技術(shù)
    2.5 本章小結(jié)
第三章 基于任務(wù)的知識需求模型自動構(gòu)建技術(shù)
    3.1 任務(wù)模型與知識需求模型
        3.1.1 任務(wù)模型
        3.1.2 任務(wù)知識需求模型
    3.2 基于任務(wù)的知識需求模型自動構(gòu)建流程
    3.3 基于任務(wù)的知識需求模型自動構(gòu)建方法
        3.3.1 AOMA-AI算法
        3.3.2 基于規(guī)則的知識歸并算法
    3.4 實驗結(jié)果分析及模型實例
        3.4.1 AOMA-AI實驗分析
        3.4.2 任務(wù)知識需求模型實例
    3.5 本章小結(jié)
第四章 基于任務(wù)的協(xié)同過濾推薦技術(shù)
    4.1 協(xié)同過濾推薦算法
        4.1.1 過濾推薦算法原理
        4.1.2 協(xié)同過濾推薦算法改進
    4.2 基于任務(wù)的協(xié)同過濾推薦流程
    4.3 基于任務(wù)的協(xié)同過濾推薦算法
        4.3.1 基于任務(wù)的知識過濾算法
        4.3.2 知識推薦列表生成算法
    4.4 任務(wù)知識需求模型進化
    4.5 實驗及分析
        4.5.1 評估標(biāo)準
        4.5.2 實驗結(jié)果及分析
    4.6 本章小結(jié)
第五章TPKSS設(shè)計與實現(xiàn)
    5.1 項目背景
    5.2 開發(fā)運行環(huán)境
        5.2.1 開發(fā)環(huán)境
        5.2.2 運行環(huán)境
    5.3 系統(tǒng)設(shè)計
        5.3.1 系統(tǒng)應(yīng)用模式
        5.3.2 功能結(jié)構(gòu)圖
        5.3.3 系統(tǒng)用例圖
        5.3.4 系統(tǒng)類圖
        5.3.5 系統(tǒng)順序圖
    5.4 系統(tǒng)運行實例
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
在校期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻】：
期刊論文
[1]結(jié)合社交與標(biāo)簽信息的協(xié)同過濾推薦算法[J]. 于洪,李俊華.  小型微型計算機系統(tǒng). 2013(11)
[2]面向集團企業(yè)云制造的知識服務(wù)建模[J]. 李向前,楊海成,敬石開,閻艷,王國新,馮宇康.  計算機集成制造系統(tǒng). 2012(08)
[3]結(jié)合項目區(qū)分用戶興趣度的協(xié)同過濾算法[J]. 施鳳仙,陳恩紅.  小型微型計算機系統(tǒng). 2012(07)
[4]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應(yīng)用. 2012(07)
[5]基于項目分類的協(xié)同過濾改進算法[J]. 熊忠陽,劉芹,張玉芳,李文田.  計算機應(yīng)用研究. 2012(02)
[6]面向Web的數(shù)據(jù)挖掘技術(shù)在網(wǎng)站優(yōu)化中的個性化推薦方法的研究與應(yīng)用[J]. 宋淑彩,祁愛華,王劍雄.  科技通報. 2012(02)
[7]上下文感知推薦系統(tǒng)[J]. 王立才,孟祥武,張玉潔.  軟件學(xué)報. 2012(01)
[8]一種優(yōu)化的Item-based協(xié)同過濾推薦算法[J]. 汪靜,印鑒.  小型微型計算機系統(tǒng). 2010(12)
[9]一種基于虛擬路徑的本體匹配算法[J]. 黃濤,崔弘揚,劉清堂,楊宗凱.  計算機科學(xué). 2010(11)
[10]不確定近鄰的協(xié)同過濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計算機學(xué)報. 2010(08)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D]. 孔維梁.華中師范大學(xué) 2013
[2]推薦系統(tǒng)中若干關(guān)鍵問題研究[D]. 李濤.南京航空航天大學(xué) 2009
[3]基于本體的主動式知識系統(tǒng)及其若干關(guān)鍵技術(shù)研究[D]. 張磊.南京航空航天大學(xué) 2006

碩士論文
[1]基于情景的主動知識服務(wù)技術(shù)研究及應(yīng)用[D]. 李薈.南京航空航天大學(xué) 2014
[2]基于概念上下文的本體匹配算法研究[D]. 蓋克.哈爾濱工業(yè)大學(xué) 2010



本文編號：2972261