基于双语图书本体匹配的推荐系统的研究与实现

摘要

随着互联网技术发展日新月异，互联网上每天都产生大量的信息，在这样的背景下，用户越来越难地获取他们想要得到的信息，传统web站点的这种大众化的运营模式，已经无法满足不同背景下用户的个性化需求。为了解决这一问题，个性化推荐系统应运而生。在个性化推荐系统中，协同过滤算法是应用最为广泛的一种算法，它根据用户对项目的评分或者用户与项目之间的关键字相似度进行推荐，存在着信息结构化程度低、语义缺乏、信息利用不充分等问题。为了解决这一问题，本文提出一种基于本体的混合推荐系统模型。将本体引入到推荐系统中，使用OWL语言对用户和项目信息进行描述，使用户和项目具有语义信息的同时，提高信息的结构化水平。在推荐过程中，通过分析用户行为信息并考虑时间上下文，以此来提高推荐的质量。
　　基于以上现状，本文的研究工作主要关注如何利用本体技术提升模型的准确率、覆盖率，如何更精准的刻画用户兴趣偏好。具体来说，主要包括以下三点内容:
　　(1)设计了基于时间上下文的用户兴趣模型。将用户的行为转化成用户对商品的兴趣程度，同时引入了上下文时间的概念，用经典的时间衰减函数来对比较久远的用户行为进行降权，从而可以更好的刻画用户的画像，为更精准的推荐打好坚实的基础。
　　(2)设计了基于双语图书本体的混合推荐系统模型。将经典的协同过滤算法和基于双语图书本体匹配的算法的推荐结果进行融合。这两个算法各有优缺点，协同过滤算法有冷启动问题，对于用户评分数据较少时，推荐不准确，且推荐结果集中在热门商品，而基于双语图书本体匹配的推荐算法却可以覆盖很多的商品。通过本文设计的混合策略，将这两个算法推荐结果进行融合。实验表明，混合后的推荐算法，它的准确率和覆盖率都要高于单一的一种算法。
　　(3)设计并实现了一个基于上述混合模型的图书推荐系统。该系统是在Eclipse环境下使用Java技术实现的。本文先是对推荐系统的需求进行仔细的分析，之后对系统架构、功能模块和数据库进行详细的设计，最后对系统的主要功能进行了描述，并展示了系统的主要界面，并对系统进行了功能测试。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究现状

1．2．1 基于本体的推荐技术研究现状

1．2．2 推荐系统应用发展

1．3 研究内容

1．4 本文结构安排

第二章 相关理论与技术

2．1 本体的描述语言

2．1．1 基于XML的本体描述语言

2．1．2 基于谓词逻辑的本体描述语言

2．2 双语本体匹配

2．3 用户兴趣模型

2．3．1 兴趣模型的含义

2．3．2 兴趣模型的形式

2．4 基于内容的推荐系统

2．5 协同过滤推荐

2．6 混合推荐算法

2．6．1 推荐结果混合

2．6．2 基于场景切换的推荐算法

2．6．3 推荐算法混合

2．7 本章小结

第三章 基于双语图书本体的混合推荐模型

3．1 双语图书本体匹配算法

3．1．1 模式层匹配

3．1．2 实例层匹配

3．2 引入时间上下文的读者兴趣模型

3．2．1 假设条件

3．2．2 读者兴趣度

3．2．3 时间上下文

3．3 基于双语图书本体匹配和引入时间上下文的读者兴趣模型的推荐算法

3．4 基于读者评分的协同过滤推荐算法

3．5 基于双语图书本体匹配算法和读者兴趣的混合推荐模型

3．6 实验结果与分析

3．6．1 实验数据

3．6．2 评测标准

3．6．3 实验结果分析

3．7 本章小结

第四章 基于双语图书本体的混合图书推荐系统的设计和实现

4．1 系统需求分析

4．2 系统总体设计

4．3 系统模块详细设计

4．3．1 用户管理模块设计

4．3．2 图书管理模块设计

4．3．3 图书推荐模块设计

4．4 数据库设计

4．5 系统开发工具及运行环境

4．5．1 系统开发工具

4．5．2 系统运行环境

4．6 系统主要模块核心代码分析

4．6．1 用户管理模块的实现

4．6．2 图书管理模块的实现

4．6．3 图书推荐模块的实现

4．7 推荐系统主要界面展示

4．8 系统的功能测试

4．9 本章小结

第五章 结论与展望

5．1 工作总结

5．2 未来展望

致谢

参考文献

作者在攻读硕士研究生期间发表的论文清单