论文部分内容阅读
作为重要信息基础设施、新型知识来源,数字图书馆在为用户带来便捷同时产生一些困扰:面对数字图书馆不断膨胀的海量资源,用户只能被动接受以致为海量信息淹没;只能提供统一信息资源及服务,无法满足用户个性化、深层次需求等,最终导致“信息过载”和“知识饥渴”并存、资源信息配置效率低下、信息流动不合理、用户真正需求难以满足等。在这种形势下,客观要求数字图书馆在及时、准确响应用户请求同时,应动态分析用户行为、兴趣偏好,并据此主动为用户推荐满足其个性化需求的信息资源及知识服务,并最终导致数字图书馆个性化推荐研究兴起且为国内外学者高度关注。数字图书馆个性化推荐以用户需求为中心,主动分析用户行为,了解其兴趣偏好,区分不同特征用户,以高效提供个性化信息服务。数字图书馆个性化推荐系统使用户由信息被动接受者成为主动参与者,及时根据用户喜好变化了解并掌握其兴趣偏好变化,主动为其推送感兴趣信息资源,提高用户黏合度。但传统数字图书馆个性化推荐基于关键词和事务数据库实现,存在诸多问题:用户兴趣模型精度不够、进化机制不够合理,用户只有较准确表达请求才能获得较好推荐;信息资源特征描述机制缺乏语义支持,很难与用户兴趣模型精准匹配;个性化推荐算法精度、效率均有待提升,稀疏矩阵计算精度较低、新加入项目难发现、难扩展等。基于此,本文将本体技术引入数字图书馆个性化推荐,以实现语义用户兴趣模型构建、数字图书馆信息资源语义描述、基于本体的个性化推荐算法设计,构建基于本体的数字图书馆个性化推荐模型并进行原型系统的关键环节实现,最终实现基于本体的用户兴趣偏好精确描述、合理进化,基于本体的高精度、语义化个性化推荐。具体而言,基于数字图书馆现有词表、使用Protégé构建数字图书馆领域本体;解析所构建OWL描述的数字图书馆领域本体并与用户兴趣映射,抽取用户兴趣概念构建用户兴趣本体,动态跟踪用户兴趣变化并合理进化用户兴趣模型;基于本体描述数字图书馆信息资源(主要是期刊和书目),实现信息资源的语义描述;基于改进后的协同过滤推荐算法推荐用户可能感兴趣数字图书馆信息资源,提供知识服务。本文创新之处在于:首先,设计基于本体的数字图书馆个性化推荐模型针对传统数字图书馆个性化推荐存在问题,分析总结数字图书馆通用推荐模型,并在此基础上引入本体技术,设计基于本体的数字图书馆个性化推荐总体架构及相关功能模块,同时梳理推荐模型方案设计思路。其次,引入本体技术优化传统个性化推荐算法在传统个性化推荐算法基础上引入本体概念映射机制优化个性化推荐精度,并一定程度解决稀疏矩阵问题、总结推荐算法运行机理。全文共六个章节,具体如下:第一章,阐述本文选题背景、研究意义,分析国内外数字图书馆个性化推荐、基于本体的信息推荐研究进展,说明本文研究的目标、内容、技术方法、创新点和论文组织。第二章,阐述数字图书馆个性化推荐相关概念、典型应用、通用模型、关键技术、信息资源特征等。第三章,分析本体技术基础理论及构建机理,主要涉及构建原则、构建语言、构建工具、构建方法、构建流程,分析本体技术在个性化推荐中的应用。第四章,从构建思路与总体框架、体系结构、模型功能、业务及流程等角度阐述所设计基于本体的数字图书馆个性化推荐模型;阐述了基于本体的用户信息、推荐信息资源库、个性化推荐算法的设计思路。第五章,部分实现基于本体的数字图书馆个性化推荐模型,涉及技术选型、领域本体库构建和个性化推荐功能。第六章,总结本文已完成研究工作并展望下一阶段研究工作。