基于本体构建的协同推荐研究

doi:10.11925/infotech.1003-3513.2008.09.09

现代图书情报技术

2008, Vol. 24

Issue (9): 53-57 https://doi.org/10.11925/infotech.1003-3513.2008.09.09

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

基于本体构建的协同推荐研究

陈祖琴¹ 葛继科² 郑宏²

¹ （重庆三峡学院经济与管理学院重庆 404000）

² （西南大学计算机与信息科学学院重庆 400715）

Cooperative Recommendation Based on Ontology Construction

Chen Zuqin¹Ge Jike²Zheng Hong²

¹ (School of Economics and Administration, Chongqing Three Gorges University, Chongqing 404000，China)
² (School of Computer and Information Science, Southwest University, Chongqing 400715，China)

摘要
参考文献
相关文章
Metrics

全文: PDF (484 KB)
输出: BibTeX | EndNote (RIS)

摘要

通过构建领域本体，利用用户兴趣与领域本体中概念的映射关系，构建用户兴趣本体，发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法，并通过用户兴趣相似度进行垂直加权，通过时间新颖度进行水平加权，从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘，实现面向内容的协同推荐。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈祖琴
	郑宏
	葛继科

关键词 ：领域本体, 用户兴趣本体, 协同推荐, 关联规则

Abstract：

This paper constructs domain Ontology firstly, and constructs user interest Ontology by the representation between user interest and domain Ontology, then construct user interest mode. It studies user interest Ontology similarity measure, and identifies the vertical weight by user interest similarity, the horizontal weight by time novelty. At last, it uses the improved weighted association rule algorithm to mine the concepts in domain Ontology, and realizes the cooperative recommendation oriented to content.

Key words： Domain Ontology User interest Ontology Cooperative recommendation Association rule

收稿日期: 2008-06-13 出版日期: 2008-09-25

TP391

通讯作者: 陈祖琴 E-mail: chenzuq81@163.com

作者简介: 陈祖琴,葛继科,郑宏

引用本文:

陈祖琴,葛继科,郑宏. 基于本体构建的协同推荐研究[J]. 现代图书情报技术, 2008, 24(9): 53-57.
Chen Zuqin ,Ge Jike,Zheng Hong. Cooperative Recommendation Based on Ontology Construction. New Technology of Library and Information Service, 2008, 24(9): 53-57.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2008.09.09 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2008/V24/I9/53

［1］ Studer R, Benjamins V R, Fensel D. Knowledge Engineering: Principles and Methods［J］. Data and Knowledge Engineering, 1998,25(1): 161-197.
［2］李曼,王大治，杜小勇，等.基于领域本体的Web服务动态组合［J］.计算机学报，2005，28（4）：644-650.
［3］颜端武. 面向知识服务的智能推荐系统研究［D］. 南京：南京理工大学，2007.
［4］ Yang H. Ontology Based Semantic Metadata for Digital Library［EB/OL］.［2006-03-18］. Http://icudl2005.zju.edu.cn/ppts/E6.ppt.
［5］ Euzenat J,Shvaiko P. Ontology Matching［M］. Springer, 2007: 101-102.
［6］蒋萍，崔志明.智能搜索引擎中用户兴趣模型分析与研究［J］.微电子学与计算机，2004，21（11）：24-26.
［7］段军，戴居丰.基于多支持度的挖掘加权关联规则算法［J］.天津大学学报，2006，39（1）：114-118.
［8］ Agrawal R，Srikant R. Fast Algorithm for Mining Association Rules［C］. In：Proceedings of the International Conference on Very Large Data Bases. Santiago, Chile. 1994：487-499.
［9］ L S, H H, Li F. Mining Weighted Association Rules［J］. Intelligent Data Analysis, 2001,5(3): 211-225.
［10］欧阳为民,郑成，蔡庆生.数据库中加权关联规则的发现［J］.软件学报，2001，12（4）：612-619.

[1]	李铁军,颜端武,杨雄飞. 基于情感加权关联规则的微博推荐研究*[J]. 数据分析与知识发现, 2020, 4(4): 27-33.
[2]	魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐^*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[3]	黄名选,卢守东,徐辉. 基于加权关联模式挖掘与规则后件扩展的跨语言信息检索 ^*[J]. 数据分析与知识发现, 2019, 3(9): 77-87.
[4]	张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[5]	何跃, 丰月, 赵书朋, 马玉凤. 基于知乎问答社区的内容推荐研究——以物流话题为例[J]. 数据分析与知识发现, 2018, 2(9): 42-49.
[6]	何有世, 何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘^*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[7]	赵雅楠, 王育清. 基于不确定近邻的旅游产品协同过滤推荐算法研究^*[J]. 数据分析与知识发现, 2018, 2(7): 63-71.
[8]	何跃, 王爱欣, 丰月, 王莉. 基于关联规则的门诊药房布局优化[J]. 数据分析与知识发现, 2018, 2(1): 99-108.
[9]	魏星, 胡德华, 易敏寒, 朱启贞, 朱文婕. 基于数据立方体挖掘疾病-基因-药物新关联^*[J]. 数据分析与知识发现, 2017, 1(10): 94-104.
[10]	黄名选. 基于矩阵加权关联模式的印尼中跨语言信息检索模型^*[J]. 数据分析与知识发现, 2017, 1(1): 26-36.
[11]	陆佳莹,袁勤俭,黄奇,钱韵洁. 基于概念格理论的产品领域本体构建研究^*[J]. 现代图书情报技术, 2016, 32(5): 38-46.
[12]	阮光册, 夏磊. 基于关联规则的文本主题深度挖掘应用研究^*[J]. 数据分析与知识发现, 2016, 32(12): 50-56.
[13]	鲍玉来,毕强. 蒙古文音乐领域的语义检索初探^*[J]. 现代图书情报技术, 2016, 32(11): 94-100.
[14]	杜思奇, 李红莲, 吕学强. 汉语组块分析在产品特征提取中的应用研究[J]. 现代图书情报技术, 2015, 31(9): 26-30.
[15]	张帆, 乐小虬. 领域科技文献创新点句中主题属性实例识别方法研究[J]. 现代图书情报技术, 2015, 31(5): 15-23.

Viewed

Full text

Abstract

Cited

Shared

Discussed