基于領(lǐng)域知識(shí)庫(kù)信息推薦系統(tǒng)智能文本篇章分析

基于領(lǐng)域知識(shí)庫(kù)信息推薦系統(tǒng)智能文本篇章分析基于領(lǐng)域知識(shí)庫(kù)的文本信息推薦系統(tǒng)演講者：谷林指導(dǎo)老師：林榮德--智能文本篇章分析概述系統(tǒng)框架用戶(hù)興趣模型智能文本篇章分析和信息推薦系統(tǒng)測(cè)試結(jié)果總結(jié)與展望一二三四五六概述一網(wǎng)絡(luò)高度發(fā)達(dá)的今天，網(wǎng)絡(luò)信息的量也正以幾何級(jí)數(shù)的方式增長(zhǎng)。有些時(shí)候，您是否發(fā)現(xiàn)對(duì)信息的選擇有些困難呢？概述一該如何選擇我感興趣的信息呢？概述一

這個(gè)時(shí)候信息推薦系統(tǒng)來(lái)了!信息推薦系統(tǒng)InformationRecommedationSystem概述一推薦系統(tǒng)是一種為解決Internet上成千上萬(wàn)的信息過(guò)載而設(shè)計(jì)的智能的代理系統(tǒng)。它能從Internet上大量的信息中向特定用戶(hù)自動(dòng)推薦符合其個(gè)人興趣偏好或需求的信息，從而實(shí)現(xiàn)個(gè)性化的推薦服務(wù)。信息推薦系統(tǒng)概述一基于領(lǐng)域知識(shí)庫(kù)的文本信息推薦就是根據(jù)知識(shí)點(diǎn)之間的相關(guān)性和用戶(hù)的興趣來(lái)推薦用戶(hù)感興趣的文章信息。項(xiàng)目簡(jiǎn)介推薦信息分類(lèi)：個(gè)人熱點(diǎn)推薦公共熱點(diǎn)推薦概述一本項(xiàng)目需要解決的三個(gè)問(wèn)題建立用戶(hù)興趣模型并進(jìn)行動(dòng)態(tài)更新；抓取網(wǎng)頁(yè)文本，并對(duì)文本篇章進(jìn)行智能分析；依據(jù)用戶(hù)個(gè)人的興趣知識(shí)庫(kù)產(chǎn)生推薦文本信息。系統(tǒng)框架二數(shù)據(jù)庫(kù)后臺(tái)分析程序Web推薦系統(tǒng)讀取用戶(hù)個(gè)人信息以及推薦信息反饋用戶(hù)的瀏覽記錄讀取所有用戶(hù)的瀏覽記錄和每個(gè)用戶(hù)的所有關(guān)鍵詞存儲(chǔ)推薦信息以及動(dòng)態(tài)更新的用戶(hù)興趣返回搜索結(jié)果搜索用戶(hù)關(guān)鍵詞訪(fǎng)問(wèn)推薦的網(wǎng)頁(yè)Internet2.1信息推薦系統(tǒng)的框架圖系統(tǒng)框架二2.2后臺(tái)分析程序數(shù)據(jù)處理流程后臺(tái)分析程序處理過(guò)程分為兩個(gè)功能模塊：從用戶(hù)瀏覽記錄中挖掘用戶(hù)興趣搜索用戶(hù)關(guān)鍵詞產(chǎn)生推薦信息用戶(hù)興趣模型三興趣模型的定義：用戶(hù)興趣模型是將用戶(hù)感興趣的事物抽象出其概念，并且用特定的表達(dá)形式表示出用戶(hù)興趣的一種方案。用戶(hù)興趣模型三3.1用戶(hù)興趣模型的表示方法向量空間模型是將用戶(hù)興趣模型表示成一個(gè)n維特征向量，每一維向量表示如下：主概念子概念相似或包含關(guān)系值fatherchildp用戶(hù)興趣模型三3.2用戶(hù)行為的數(shù)據(jù)收集用戶(hù)行為的數(shù)據(jù)收集是一個(gè)獲取與用戶(hù)特征、偏好或活動(dòng)相關(guān)的信息的過(guò)程。一般有兩種方式：顯性隱性>體育>讀書(shū)>游戲>娛樂(lè)>汽車(chē)領(lǐng)域智能文本篇章分析和信息推薦四4.1領(lǐng)域知識(shí)庫(kù)智能文本篇章分析和信息推薦四4.1.1公共知識(shí)庫(kù)實(shí)例以體育領(lǐng)域?yàn)槔瑯?shù)形結(jié)構(gòu)圖：智能文本篇章分析和信息推薦四4.1.2個(gè)人知識(shí)庫(kù)實(shí)例個(gè)人知識(shí)庫(kù)看作公共知識(shí)庫(kù)樹(shù)的一棵子樹(shù)，簡(jiǎn)單的用戶(hù)知識(shí)庫(kù)實(shí)例如圖：NBA專(zhuān)題體育網(wǎng)球足球國(guó)際足球英超梅西個(gè)人知識(shí)庫(kù)樹(shù)形結(jié)構(gòu)圖：智能文本篇章分析和信息推薦四4.5計(jì)算子概念對(duì)某關(guān)鍵詞貢獻(xiàn)度主概念子概念貢獻(xiàn)度wID2(主概念)wID1（子概念）P（關(guān)聯(lián)值）uID（用戶(hù)編號(hào)）體育足球0.70921121010足球國(guó)際足球0.50921121010以體育領(lǐng)域?yàn)槔?，?shù)形結(jié)構(gòu)圖：體育125610113748129131415假想興趣樹(shù)遍歷訪(fǎng)問(wèn)的順序?yàn)椋?23451514131211109876NBA專(zhuān)題體育網(wǎng)球足球國(guó)際足球英超梅西

NBA專(zhuān)題對(duì)體育的貢獻(xiàn)度為：0.8*0.5=0.4

梅西對(duì)國(guó)際足球的貢獻(xiàn)度為：0.5*0.5*0.6=0.15智能文本篇章分析和信息推薦四自動(dòng)搜索關(guān)鍵詞提取有效網(wǎng)頁(yè)地址提取網(wǎng)頁(yè)中的文章文章評(píng)分智能文本篇章分析和信息推薦四4.6文章評(píng)分和信息推薦按如下公式對(duì)文章進(jìn)行評(píng)分：智能文本篇章分析和信息推薦四4.7推薦信息的動(dòng)態(tài)更新推薦的信息超過(guò)3天后，默認(rèn)為此文章已經(jīng)失去時(shí)效性，故予以刪除，從而達(dá)到減少數(shù)據(jù)冗余。智能文本篇章分析和信息推薦四4.8用戶(hù)個(gè)人知識(shí)點(diǎn)興趣度變化的勒夏特列原理“知識(shí)點(diǎn)興趣度的時(shí)間修正:快開(kāi)始，慢減少”的思想，效果如圖：系統(tǒng)測(cè)試結(jié)果五5.1.1百度搜索“體育”的結(jié)果本次僅以關(guān)鍵詞“體育”為例，來(lái)測(cè)試后臺(tái)分析程序的運(yùn)行結(jié)果。系統(tǒng)測(cè)試結(jié)果五5.1.2搜索結(jié)果的網(wǎng)頁(yè)源代碼本次僅列舉第一條信息的網(wǎng)頁(yè)源代碼，如下圖：系統(tǒng)測(cè)試結(jié)果五5.1.3分析提取有意義網(wǎng)頁(yè)地址的結(jié)果測(cè)試網(wǎng)頁(yè)地址系統(tǒng)測(cè)試結(jié)果五5.1.6文章最終評(píng)分結(jié)果以及產(chǎn)生的推薦信息系統(tǒng)測(cè)試結(jié)果五5.2用戶(hù)興趣的挖掘和個(gè)人知識(shí)庫(kù)的動(dòng)態(tài)生成系統(tǒng)測(cè)試結(jié)果五5.2.1讀取用戶(hù)瀏覽記錄點(diǎn)擊信息表中的一條記錄如下體育足球梅西5.2.3動(dòng)態(tài)生成用戶(hù)個(gè)人興趣關(guān)鍵詞之間的包含關(guān)系結(jié)論與展望六本項(xiàng)目基本實(shí)現(xiàn)了：建立用戶(hù)興趣模型并進(jìn)行動(dòng)態(tài)更新；智能文本篇章分析；依據(jù)用戶(hù)個(gè)人的興趣知識(shí)庫(kù)產(chǎn)生推薦信息。結(jié)論：結(jié)論與展望六將來(lái)有如下幾個(gè)方面值得個(gè)性化推薦系統(tǒng)及用戶(hù)興趣模型相關(guān)研究者關(guān)注：面向用戶(hù)多興趣的模型研究；面向用戶(hù)群體的建模研究；用戶(hù)長(zhǎng)期和短期興趣的集成研究；用戶(hù)建模過(guò)程可視化技術(shù)的研究和實(shí)現(xiàn)。展望：TheendThankyou!從用戶(hù)瀏覽記錄中挖掘用戶(hù)興趣的數(shù)據(jù)處理流程圖搜索用戶(hù)關(guān)鍵詞產(chǎn)生推薦信息的數(shù)據(jù)處理流程圖智能文本篇章分析和信息推薦四4.2自動(dòng)搜索關(guān)鍵詞，提取有效網(wǎng)頁(yè)地址搜索引擎自動(dòng)搜索關(guān)鍵詞從搜索結(jié)