结合本体与社会化标签的用户动态兴趣建模研究

发布时间：2020-07-19 16:26

【摘要】：根据第43次《中国互联网发展状况统计报告》,截至2018年12月,我国网民规模达8.29亿,普及率达59.6%。随着在线阅读应用平台的个性化发展,越来越多的用户在享受网络阅读服务的便利的同时,对于图书资源的推荐依赖也越来越强。在“快餐阅读”消费模式的引领下,合适的关联资源推荐对用户而言是省时省力的信息消费助力,在帮助平台提高用户黏度的同时,也考验着应用产品制作商、产品设计工作者们对用户需求的把控能力。如何根据用户与网络应用平台的交互行为记录信息对用户进行精准的实时资源推荐,是目前信息推荐、信息检索、信息质量、用户行为、用户兴趣相关研究领域的热门话题。社会化标签是Web2.0时代的产物,是由用户主动对信息资源进行标记、组织和分类的行为记录。豆瓣读书等应用平台便是基于用户标注信息为用户提供关联资源推荐服务的,以更好地满足用户的个性化阅读需求。社会化标签是用户兴趣信息的体现,通过合理的数据分析算法或模型,捕获用户的兴趣偏好是社会化标签系统信息推荐的常见研究方式。研究者指出用户的兴趣偏好在现实中受季节时令、环境甚至年龄阅历的影响,随时间的迁移而变化。然而,相关领域的研究者们往往未考虑到社会化标签系统用户兴趣的动态变化问题对标签推荐算法或模型的准确性、有效性的影响,使得大多数分析方法只适用于用户长期、稳定兴趣的资源推荐,无法满足当下人们对信息服务的高效性、精准性的需求。因此,设计体现社会化标签用户兴趣动态变化的兴趣模型及相关信息数据分析的方法是适应目前网络阅读服务情境的重要举措,也是基于社会化标签的信息推荐、信息检索、信息质量等研究及应用中亟待解决的问题。目前鲜少有结合本体与社会化标签进行用户动态兴趣的挖掘研究,本文从此角度出发,采用文献研究法、对比分析法、模型构造法和实证研究法,通过形式概念分析方法,在已有本体《中国分类主题词表》和《中国图书馆分类法》对词语的约束规则和关系定义的基础上,构建了豆瓣读书样本用户的兴趣标签本体;并通过兴趣强度指标、稳定指标对标签数据进行预测实验,确定了标签兴趣指数的表示形式,在此基础上构建了用户初始兴趣模型,并提出了以兴趣强度为主,兴趣稳定指数为辅的兴趣节点更新的流程。研究结合了本体相关理论与用户动态兴趣模型构建的研究方法,构建反映用户动态兴趣特征的兴趣模型,并依据用户兴趣的动态性变化特征总结模型更新的方法,为社会化标签系统的信息推荐、信息检索、信息质量等研究或应用领域提供了参考依据。
【学位授予单位】：武汉大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G252
【图文】：

系统模型图,系统模型,标签,资源

分为内容型、情境型、属性型、情感型、事实型等五类。息资源标注的不同需求，社会化标注系统一般为用户提供用户可以选择手工自主标注或者参考标签列表两种形式进类。用户手工标注一般受到用户自身的知识储备、生活背影响而显得更为随意、自由；半自动化标注方法则一般由提供可供选择的资源标签列表（一般为高频标签），用户以应用，以此完成对信息资源的标注。源、标签构成社会化标注体系的信息骨架，用户、资源、得信息资源能从不同的角度和渠道进行流通，这也是标征的体现。由图 2.1 可以看出，用户、资源、标签与标注固定的条件约束，即同一资源可能被多个不相关的用户标户用于标注不同的资源，同一标签也可能被不同的用户所作为关系纽带连接着用户和资源，使得资源、标签、用户，形成网络状的 web 信息体。用户个体之间的联系则使体，而是形成某些具有共同信息需求或偏好特征的群组。

兴趣度,兴趣模型,兴趣,聚类

短期兴趣模型 K-NN 长期兴趣模型遗朴素层其他自适应法可上下文机制依赖性能指标方法性能下依赖检测模型方法机器学聚类算聚类们对于用户动态兴趣的处理主要有两种方法。一at 等指出用户当前访问的数据或当前的信息需求息，时间窗口法通过此理论基础实时移除过时的型。另一种方法是遗忘函数法，由于同一个兴趣的，所以该方法主要通过渐进的遗忘时间函数法

框架图,用户兴趣,建模流程,框架图

武汉大学硕士学位论文用户兴趣的建模方法了构建用户兴趣模型，首先需要采集反映用户兴趣的信息数据，通析与处理，以清晰有效的方式表示用户兴趣。在此基础上，对用户模型化表示。最后，研究者为优化兴趣模型一般会根据各种评价体验证和改进，以求得到逼近用户真实兴趣偏好和信息资源需求的户兴趣建模的流程框架图如下图 2.3 所示。

【相似文献】