基于加权XML模型的个性化产品推荐方法*

doi:10.11925/infotech.1003-3513.2009.04.12

现代图书情报技术

2009, Vol. 25

Issue (4): 64-69 https://doi.org/10.11925/infotech.1003-3513.2009.04.12

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

基于加权XML模型的个性化产品推荐方法*

李树青

（南京财经大学信息工程学院信息管理系南京 210046）

The Personalized Product Recommendation Method Based on Weighted XML Model

Li Shuqing

（Department of Information ManagementCollege of Information EngineeringNanjing University of Finance &EconomicsNanjing 210046,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (496 KB)
输出: BibTeX | EndNote (RIS)

摘要

提出一种基于加权XML数据结构的用户兴趣模型构建方法，对于其中的每个XML节点都增加了表达用户个性化信息的权值，并据此设计一种对加权XML模型进行相似度比较的算法。最后，详述基于此用户兴趣模式的个性化产品推荐系统的实现方法。

	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
	李树青

关键词 ：个性化, XML检索, 用户模式表达, 信息推荐

Abstract：

This paper puts forward a new method for constitution of user preference model based on weighted XML data structure, with each node appends weight value for representing users’ personalized information.It also designs a new arithmetic to compare similarity of weighted XML model. Finally, this paper discusses the implementation of personalized product recommendation system based on this user preference model at detail.

Key words： Personalization XML retrieval Expression of user profiles Information recommendation

收稿日期: 2008-12-22 出版日期: 2009-04-25

ZTFLH:

TP391

基金资助:

*本文系2007年江苏省省属高校自然科学基础研究面上项目“基于Web个性化推荐服务的C to C电子商务平台框架”（项目编号：07KJD520074）和江苏省教育厅“青蓝工程”基金资助项目的研究成果之一。

通讯作者: 李树青 E-mail: leeshuqing@163.com

作者简介: 李树青

引用本文:

李树青. 基于加权XML模型的个性化产品推荐方法*[J]. 现代图书情报技术, 2009, 25(4): 64-69.
Li Shuqing. The Personalized Product Recommendation Method Based on Weighted XML Model. New Technology of Library and Information Service, 2009, 25(4): 64-69.

链接本文:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2009.04.12 或 http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2009/V25/I4/64

［1］ Kobsa. Privacy-enhanced Web Personalization: From the Adaptive Web: Methods and Strategies of Web Personalization Volume 4321 of Lecture Notes in Computer Science［M］. Springer-Verlag, Berlin Heidelbergs, New York, 2007.
［2］ Ting P L, Yung F Y, Deng N C. A Semantic-expansion Approach to Personalized Knowledge Recommendation［J］. Decision Support Systems, 2008,45(3):401-412.
［3］ Gonzalez R A, Chen N, Dahanayake A. Personalized Information Retrieval and Access［M］. IGI Global, 2008.
［4］ Henrik B S. Ontology-based Information Retrieval Computer Science Section［D］. Denmark: Roskilde University, 2006.
［5］ Trajkova. Improving Ontology-Based User Profiles［D］. USA: University of Kansas, 2003.
［6］ Sure Y, Staab S, Studer R. On-to-Knowledge Methodology (OTKM)［M］. Handbook on Ontologies, Berlin, Heidelberg, 2003: 117-132.
［7］ Crestani. Application of Spreading Activation Techniques in Information Retrieval［J］. Artificial Intelligence Review, 1997, 11 (6):453-482.
［8］ Middleton, De R, Shadbolt N: Ontology-based Recommender Systems［M］. Handbook on Ontologies. Berlin, Heidelberg, New York, 2004.
［9］潘有能．XML文档自动聚类研究［J］．情报学报，2006(4):215-220.
［10］郑仕辉，周傲英，张龙．XML文档的相似测度和结构索引研究［J］．计算机学报，2003，26(9)：1116-1127.

[1]	苏庆,陈思兆,吴伟民,李小妹,黄佃宽. 基于学习情况协同过滤算法的个性化学习推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 105-117.
[2]	郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[3]	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.
[4]	张怡文,张臣坤,杨安桔,计成睿,岳丽华. 基于条件型游走的四部图推荐方法^*[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
[5]	叶佳鑫,熊回香. 基于标签的跨领域资源个性化推荐研究^*[J]. 数据分析与知识发现, 2019, 3(2): 21-32.
[6]	聂卉. 结合词向量和词图算法的用户兴趣建模研究 ^*[J]. 数据分析与知识发现, 2019, 3(12): 30-40.
[7]	丁浩,李树青. 基于用户多类型兴趣波动趋势预测分析的个性化推荐方法 ^*[J]. 数据分析与知识发现, 2019, 3(11): 43-51.
[8]	毕达天, 王福, 许鹏程. 基于VSM的移动图书馆用户画像及场景推荐^*[J]. 数据分析与知识发现, 2018, 2(9): 100-108.
[9]	李杰, 杨芳, 徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法^*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[10]	侯银秀, 李伟卿, 王伟军, 张婷婷. 基于用户偏好与商品属性情感匹配的图书个性化推荐研究^*[J]. 数据分析与知识发现, 2017, 1(8): 9-17.
[11]	陈梅梅, 薛康杰. 基于标签簇多构面信任关系的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(5): 94-101.
[12]	陈梅梅, 薛康杰. 基于改进张量分解模型的个性化推荐算法研究^*[J]. 数据分析与知识发现, 2017, 1(3): 38-45.
[13]	罗文馨,陈翀,邓思艺. 基于Word2Vec及大众健康信息源的疾病关联探测[J]. 现代图书情报技术, 2016, 32(9): 78-87.
[14]	谭学清,张磊,黄翠翠,罗琳. 融合领域专家信任与相似度的协同过滤推荐算法研究^*[J]. 现代图书情报技术, 2016, 32(7-8): 101-109.
[15]	谢琪,崔梦天. 基于相似性群体的混合型Web服务推荐^*[J]. 现代图书情报技术, 2016, 32(6): 80-87.

Viewed

Full text

Abstract

Cited

Shared

Discussed