Please wait a minute...
Advanced Search
现代图书情报技术  2013, Vol. 29 Issue (7/8): 43-48    DOI: 10.11925/infotech.1003-3513.2013.07-08.06
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
互联网用户偏好本体实例的学习方法研究
朱恒民1, 贾丹华2, 黄震奇3, 王春晖1
1. 南京邮电大学信息产业发展战略研究院 南京 210023;
2. 南京邮电大学经济与管理学院 南京 210023;
3. 福建富士通信息软件有限公司 福州 350013
Study on Instance Learning Method of Internet User Preference Ontology
Zhu Hengmin1, Jia Danhua2, Huang Zhenqi3, Wang Chunhui1
1. Institute of ICT Development & Strategy, Nanjing University of Posts & Telecommunications, Nanjing 210023, China;
2. College of Economics & Management, Nanjing University of Posts & Telecommunications, Nanjing 210023, China;
3. Fujian Fujitsu Communication Software Co., Ltd., Fuzhou 350013, China
全文: PDF(649 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 互联网用户偏好本体可以全面、准确地描述出互联网用户的兴趣和多维偏好。针对偏好本体中主题类的实例对象数量众多、不断扩展变化、手工搜集工作量大这一问题,重点研究用户偏好本体中主题专业网站、品牌和体育赛事三类具有代表性的实例学习方法,以期实现互联网用户偏好本体的半自动构建,并设计实验验证这三类实例学习方法的有效性。
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
贾丹华
黄震奇
王春晖
朱恒民
关键词 互联网用户偏好本体实例学习    
Abstract:Internet user preference Ontology can fully and accurately describe the interest and multidimensional preference of Internet users. In order to effectively resolve the problem that a large number of instances which are expanding and varying are hard to collect manually, the learning method of three representative instances including the topic professional website, brand and sporting events is researched. This method can achieve semi-automatic construction of Internet user preference Ontology. The experiments are designed to verify the effectiveness of the method.
Key wordsInternet    User preference    Ontology    Instance learning
收稿日期: 2013-04-19     
: 

G350.7

 
基金资助:

本文系企业横向课题"互联网用户标签本体的构建方法研究"(项目编号:HF212009);江苏省科技厅项目"温室农作物生长参数监测与智能控制技术系统研究"(项目编号:BE2011341)和教育部人文社会科学研究基金"基于物联网的农业信息服务在现代农业中的地位与作用研究"(项目编号:10YJA78004)的研究成果之一。

通讯作者: 朱恒民     E-mail: hengminzhu@163.com
引用本文:   
朱恒民, 贾丹华, 黄震奇, 王春晖. 互联网用户偏好本体实例的学习方法研究[J]. 现代图书情报技术, 2013, 29(7/8): 43-48.
Zhu Hengmin, Jia Danhua, Huang Zhenqi, Wang Chunhui. Study on Instance Learning Method of Internet User Preference Ontology. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2013.07-08.06.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2013.07-08.06
[1] 方卫东,袁华,刘卫红.基于Web挖掘的领域本体自动学习[J]. 清华大学学报:自然科学版,2005,45(S1):1729-1733.(Fang Weidong, Yuan Hua, Liu Weihong. Automatic Domain Ontology Learning Based on Web Mining[J]. Journal of Tsinghua University:Science & Technology, 2005, 45(S1): 1729-1733.)
[2] Shamsfard M, Barforoush A A. Learning Ontologies from Natural Language Texts[J]. International Journal of Human-Computer Studies,2004,60(1):17-63.
[3] Turney P. Learning to Extract Key Phrases from Text[R].National Research Council of Canada,1999.
[4] 姜韶华,党延忠.基于长度递减与串频统计的文本切分算法[J]. 情报学报,2006,25(1):74-79.(Jiang Shaohua, Dang Yanzhong. Algorithm for Chinese Text Based on Length Descending and String Frequency Statistics[J]. Journal of the China Society for Scientific and Technical Information, 2006, 25(1):74-79.)
[5] Navigli R, Velardi P, Gangemi A. Ontology Learning and Its Application to Automated Terminology Translation[J].IEEE Intelligent Systems,2003,18(1):22-31.
[6] 岑咏华,韩哲,季培培.基于隐马尔科夫模型的中文术语识别研究[J]. 现代图书情报技术,2008(12):54-58.(Cen Yonghua, Han Zhe, Ji Peipei. Chinese Term Recognition Based on Hidden Markov Model[J]. New Technology of Library and Information Service, 2008(12):54-58.)
[7] 刘豹,张桂平,蔡东风.基于统计和规则相结合的科技术语自动抽取研究[J]. 计算机工程与应用,2008,44(23):147-150.(Liu Bao, Zhang Guiping, Cai Dongfeng. Technical Term Automatic Extraction Research Based on Statistics and Rules[J]. Computer Engineering and Applications, 2008, 44(23):147-150.)
[8] 谷俊,王昊.基于领域中文文本的术语抽取方法研究[J]. 现代图书情报技术,2011(4):29-34.(Gu Jun, Wang Hao. Study on Term Extraction on the Basis of Chinese Domain Texts[J].New Technology of Library and Information Service,2011(4):29-34.)
[9] 柳佳刚,龙军,李泽军.一种用于Web信息抽取的页面信息本体自动学习方法[J]. 计算技术与自动化,2011,30(1):119-123.(Liu Jiagang, Long Jun, Li Zejun. An Automatic Ontology Learning Approach Based on Web Information Items for Web Information Extraction[J].Computing Technology and Automation,2011,30(1):119-123.)
[10] 连乐新.基于本体的实例信息抽取与匹配技术研究[D].南京:南京大学,2007.(Lian Lexin. Study on Techniques of Case Information Extraction and Matching Based on Ontology[D]. Nanjing: Nanjing University, 2007.)
[11] 夏亚梅,苏森.面向本体实例生成的有限汉语语法学习系统[J]. 北京邮电大学学报,2010,33(5):37-40.(Xia Yamei, Su Sen. A Limited Chinese Grammar Acquisition System for the Generation of Ontology Instance[J]. Journal of Beijing University of Posts and Telecommunications,2010,33(5):37-40.)
[12] 朱恒民,黄震奇,贾丹华,等.挖掘电信客户多维偏好的标签本体研究[J]. 通信企业管理,2013(1):84-85.(Zhu Hengmin, Huang Zhenqi, Jia Danhua, et al. Study on Tag Ontology for Mining Telecom Customer Multidimensional Preference[J]. C-Enterprise Management, 2013 (1):84-85.)
[1] 邓诗琦,洪亮. 面向智能应用的领域本体构建研究*——以反电话诈骗领域为例[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[2] 高广尚. 用户画像构建方法研究综述*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[3] 王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[4] 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.
[5] 唐慧慧,王昊,张紫玄,王雪颖. 基于汉字标注的中文历史事件名抽取研究*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[6] 庞贝贝,苟娟琼,穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[7] 丁晟春,刘梦露,傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.
[8] 涂海丽,唐晓波. 基于标签的商品推荐模型研究*[J]. 数据分析与知识发现, 2017, 1(9): 28-39.
[9] 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.
[10] 陈二静,姜恩波. 文本相似度计算方法研究综述[J]. 数据分析与知识发现, 2017, 1(6): 1-11.
[11] 白如江,冷伏海,廖君华. 一种基于语义组块特征的改进Cosine文本相似度计算方法*[J]. 数据分析与知识发现, 2017, 1(6): 56-64.
[12] 吴丹,刘畅,李翼. 用户步行导航过程中的情感变化研究*[J]. 数据分析与知识发现, 2017, 1(5): 42-51.
[13] 刘健,毕强,刘庆旭,王福. 数字文献资源内容服务推荐研究*——基于本体规则推理和语义相似度计算[J]. 现代图书情报技术, 2016, 32(9): 70-77.
[14] 丁恒,陆伟. 标准文献知识服务系统设计与实现*[J]. 现代图书情报技术, 2016, 32(7-8): 120-128.
[15] 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.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn