基于任务驱动的主动知识服务技术研究与应用

发布时间：2021-01-12 05:37

　　随着知识经济时代的来临,基于知识资源的知识创新能力逐渐成为企业核心竞争力。企业在信息化发展过程中积累了大量的知识,但随着企业内部知识量的膨胀,用户获取到真正所需知识越来越困难,从而引发了“知识过载”、“知识迷航”等一系列相关问题。为了解决目前主动知识服务过程中知识需求模型构建的困难,提高知识推荐的准确性,本文研究了基于任务的知识需求模型自动构建技术和基于任务的协同过滤推荐技术。论文的主要研究内容如下:（1）分析了目前知识服务的研究现状,设计了基于任务驱动的主动知识服务系统框架,描述了系统知识服务的流程。（2）研究了基于任务的知识需求模型自动构建技术,设计了知识需求模型的自动构建流程及方法。该方法首先利用基于人工免疫的本体匹配过程获取到最优知识节点;然后根据基于规则的知识归并过程建立任务知识与知识节点的映射关系,并将其插入到知识需求模型中来完成模型的自动构建过程。最后通过实验验证了该方法的有效性。（3）研究了基于任务的协同过滤推荐技术,设计了基于任务的协同过滤推荐流程及算法。该算法首先利用基于任务的知识过滤过程对知识需求模型中知识进行过滤;然后根据知识推荐列表生成过程将过滤后的知识按照优... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略词
第一章 绪论
    1.1 引言
    1.2 知识服务的研究现状
        1.2.1 知识服务的应用模式和功能
        1.2.2 知识服务体系架构
    1.3 关键技术研究现状
        1.3.1 本体匹配技术
        1.3.2 推荐技术研究现状
    1.4 论文研究内容及组织结构
        1.4.1 研究内容
        1.4.2 组织结构
第二章 系统总体框架
    2.1 系统需求分析
    2.2 系统框架设计
    2.3 系统知识服务流程
    2.4 系统关键技术
        2.4.1 基于本体的知识集成技术
        2.4.2 基于任务的知识需求模型自动构建技术
        2.4.3 基于任务的协同过滤推荐技术
    2.5 本章小结
第三章 基于任务的知识需求模型自动构建技术
    3.1 任务模型与知识需求模型
        3.1.1 任务模型
        3.1.2 任务知识需求模型
    3.2 基于任务的知识需求模型自动构建流程
    3.3 基于任务的知识需求模型自动构建方法
        3.3.1 AOMA-AI算法
        3.3.2 基于规则的知识归并算法
    3.4 实验结果分析及模型实例
        3.4.1 AOMA-AI实验分析
        3.4.2 任务知识需求模型实例
    3.5 本章小结
第四章 基于任务的协同过滤推荐技术
    4.1 协同过滤推荐算法
        4.1.1 过滤推荐算法原理
        4.1.2 协同过滤推荐算法改进
    4.2 基于任务的协同过滤推荐流程
    4.3 基于任务的协同过滤推荐算法
        4.3.1 基于任务的知识过滤算法
        4.3.2 知识推荐列表生成算法
    4.4 任务知识需求模型进化
    4.5 实验及分析
        4.5.1 评估标准
        4.5.2 实验结果及分析
    4.6 本章小结
第五章TPKSS设计与实现
    5.1 项目背景
    5.2 开发运行环境
        5.2.1 开发环境
        5.2.2 运行环境
    5.3 系统设计
        5.3.1 系统应用模式
        5.3.2 功能结构图
        5.3.3 系统用例图
        5.3.4 系统类图
        5.3.5 系统顺序图
    5.4 系统运行实例
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
在校期间的研究成果及发表的学术论文


【参考文献】：
期刊论文
[1]结合社交与标签信息的协同过滤推荐算法[J]. 于洪,李俊华.  小型微型计算机系统. 2013(11)
[2]面向集团企业云制造的知识服务建模[J]. 李向前,杨海成,敬石开,阎艳,王国新,冯宇康.  计算机集成制造系统. 2012(08)
[3]结合项目区分用户兴趣度的协同过滤算法[J]. 施凤仙,陈恩红.  小型微型计算机系统. 2012(07)
[4]个性化推荐系统综述[J]. 王国霞,刘贺平.  计算机工程与应用. 2012(07)
[5]基于项目分类的协同过滤改进算法[J]. 熊忠阳,刘芹,张玉芳,李文田.  计算机应用研究. 2012(02)
[6]面向Web的数据挖掘技术在网站优化中的个性化推荐方法的研究与应用[J]. 宋淑彩,祁爱华,王剑雄.  科技通报. 2012(02)
[7]上下文感知推荐系统[J]. 王立才,孟祥武,张玉洁.  软件学报. 2012(01)
[8]一种优化的Item-based协同过滤推荐算法[J]. 汪静,印鉴.  小型微型计算机系统. 2010(12)
[9]一种基于虚拟路径的本体匹配算法[J]. 黄涛,崔弘扬,刘清堂,杨宗凯.  计算机科学. 2010(11)
[10]不确定近邻的协同过滤推荐算法[J]. 黄创光,印鉴,汪静,刘玉葆,王甲海.  计算机学报. 2010(08)

博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013
[2]推荐系统中若干关键问题研究[D]. 李涛.南京航空航天大学 2009
[3]基于本体的主动式知识系统及其若干关键技术研究[D]. 张磊.南京航空航天大学 2006

硕士论文
[1]基于情景的主动知识服务技术研究及应用[D]. 李荟.南京航空航天大学 2014
[2]基于概念上下文的本体匹配算法研究[D]. 盖克.哈尔滨工业大学 2010



本文编号：2972261