融合用户评论和环境信息的协同过滤推荐算法

现有的推荐算法主要依据用户评分产生推荐,没有考虑用户的评论及其所处的环境信息,导致推荐精确度不高.为此,提出一种融合用户评论和环境信息的协同过滤推荐算法.首先,利用句法关系获取商品评论中的特征意见对,得到用户对商品的喜爱程度,并根据用户喜爱程度和用户评分计算用户之间的评分相似度;然后,根据不同类型的环境信息分别计算环境相似度;最后,利用评分相似度和环境相似度,为目标用户产生推荐.实验结果表明,本文所提出的推荐算法可以提高推荐精度,改善推荐质量.

基于模糊C均值聚类的环境感知推荐算法

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.

基于领域本体的跨系统个性化服务用户模型

目前大多数个性化服务系统采用关键词或关键词向量空间模型表示用户个人偏好,该方法严重制约了用户模型在不同系统间的共享和重用。针对上述问题,提出一种基于领域本体的用户模型,给出其形式化描述,通过引入个性化兴趣度实现用户个人偏好的量化,介绍该模型在群体用户建模中的应用过程。实验表明,该用户模型能准确反映用户兴趣且更新能力和可扩展性较强。

几种典型的数字图书馆互操作协议分析比较

互操作是数字图书馆的根本问题,其目标是共享数字图书馆的资源和服务.本文针对数字图书馆应用层的互操作,分析讨论了几种典型的数字图书馆互操作协议,并对其特点进行了比较,最后简单讨论了设计数字图书馆互操作协议时应遵循的基本原则.

互操作联邦数字图书馆研究

未来的图书馆将是联邦数字图书馆,其目标是向用户提供一个将异构、分布信息源无缝集成的视图,实现对数字图书馆资源的透明访问.文中首先介绍了研究数字图书馆互操作的必要性,在此基础上重点分析讨论了联邦数字图书馆的实现方法,并对当前具有代表性的互操作联邦数字图书馆的研究进行了综述讨论,最后简单讨论了目前建立互操作联邦数字图书馆所面临的挑战及进一步研究和解决的问题.

基于QoS的Web服务发现方法

由于传统的基于关键字和简单分类的Web服务发现机制较少考虑服务质量(QoS),因此不能很好地满足用户的需求。针对该问题,提出一种基于QoS的Web服务发现模型,通过引入QoS代理机制以支持基于QoS的Web服务发布与发现。在此基础上,根据不同用户的QoS需求,提出一种基于QoS的Web服务发现算法。实验结果表明,该算法具有较高的准确率。

基于贝叶斯算法的垃圾邮件过滤技术的研究与改进

随着电子邮件的应用与普及,垃圾邮件的泛滥也越来越多地受到人们的关注。本文对基于贝叶斯的垃圾邮件过滤器的原理及其关键技术进行了详细的描述。针对朴素贝叶斯模型对分类信息过度简化和准确率低等缺点,通过引入分级的最小风险算法和对多项式和多重贝努利估计模型进行混合的方法分别对贝叶斯过滤器进行了改进,并进行了实验。实验结果表明,改进后的贝叶斯过滤器具有了更好过滤效果。

一种改进的隐私保持协同过滤推荐算法

采用随机扰乱技术的协同过滤推荐算法会降低推荐精度,基于此,提出扰乱强度权重的概念及其度量方法,给出一种改进的基于随机扰乱技术的隐私保持协同过滤推荐算法。该算法依据推荐用户的扰乱强度计算相应的扰乱强度权重,相似度的计算综合考虑用户评分相似度和扰乱强度权重两方面因素。实验表明,改进后的算法在不影响隐私保护效果的前提下,提高了推荐精度。

信息集成技术在数字图书馆中的应用研究

分析讨论了数字图书馆中的信息集成技术:基于CORBA的集成,基于XML的集成,基于OAI的集成和基于知识的智能集成,并指出了各自的优缺点;给出了一个基于中介结构实现的数字图书馆集成系统。

基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法

协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的可信性,人们提出了各种基于矩阵分解的鲁棒协同推荐算法.但是这些推荐算法在面对托攻击时不仅精度损失大,而且鲁棒性较差.为此,该文提出一种基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法.首先,采用核主成分分析方法提取用户评分矩阵的非线性特征,以充分挖掘推荐系统中用户(或项目)之间的内在关联,最大限度地保留用户和项目的特征信息,提高推荐精度和鲁棒性;然后,引入鲁棒统计中的Cauchy加权M-估计量,并联合矩阵分解模型对用户和项目特征矩阵进行鲁棒参数估计,以限制攻击概貌对参数估计过程产生的影响;最后,设计相应的鲁棒协同推荐算法,并在MovieLens和Netflix数据集上对算法的有效性进行评价.实验结果表明:该文算法在推荐精度和鲁棒性方面明显优于现有的鲁棒推荐算法.

下一代数字图书馆的体系结构及其信息访问技术研究

面向服务的体系结构、对等网络和网格技术的发展为数字图书馆体系结构的研究和应用带来了新的机遇，使其在开放性和柔韧性方面的拓展成为可能。下一代数字图书馆应当是能为更多用户服务的、自适应性更强的服务组织，它是以联邦模式进行资源库的构建和服务的组织。与传统的数字图书馆相比，下一代数字图书馆的体系结构将更为分布和动态，从而适应资源库、元数据和服务所呈现出的高度异构性。本文通过几个数字图书馆研究项目，对下一代数字图书馆的体系结构进行了分析讨论，并就其信息访问的主要方面（资源管理、信息检索）所面临的机遇和挑战进行了探讨，给出了相应的解决方案。

一种基于聚类技术的数字图书馆个性化推荐算法

针对传统协作过滤算法存在的评价矩阵稀疏性问题,提出了一种基于聚类技术的推荐算法。该算法将k-means技术和分层技术相结合对图书资源进行聚类,缩小了近邻搜索的范围和需要预测的图书资源数目,很好地解决了因用户专业背景差异而导致的评价矩阵稀疏性问题,提高了推荐的准确度。

一种保障响应时间的可靠Web服务组合方法

N版本程序设计为提高W eb服务组合的可靠性提供一条有效途径,但是当要组合的相同功能的Web服务数量较多时,该方法将会使服务组合的时间开销过大.针对这一问题提出一种基于分组的可靠Web服务组合方法,该方法通过对相同功能的待组合W eb服务进行分组,找出每个分组中响应时间最短的Web服务,然后再利用N版本程序设计的思想进行W eb服务组合.仿真实验表明,该方法既能保证服务组合的可靠性,又能使服务组合的时间开销明显降低.

基于攻击检测的用户可信度计算方法

目前的用户概貌攻击检测算法无法避免垃圾用户和真实用户的误判现象,从而影响个性化协同推荐系统的精度。为解决该问题,将时间集中性的概念引入到攻击检测中,提出一种基于正态云模型和时间集中性的可疑评分度量方法,并在此基础上给出一种基于攻击检测的用户可信度计算方法。实验结果表明,该方法能够根据用户评分的真实程度为每个用户计算出评分可信度,提高推荐精度。

一种基于元搜索引擎的数字图书馆系统集成框架

为了实现Web上广泛分布的、异构的数字图书馆系统的无缝集成,向用户提供统一、透明的服务,提出一种基于元搜索引擎的数字图书馆系统集成框架,并基于该框架实现了一个原型系统.该系统能将用户的查询映射到远程数字图书馆的查询服务,利用统一的查询界面实现了对Web上多个数字图书馆的透明访问,并且对参与集成的数字图书馆不施加任何约束.

一种基于移动Agent的数字图书馆互操作框架

互操作是实现数字图书馆(DLs)的集成(或联邦)需要解决的关键问题,其目的是将Web上广泛分布的、自治的、异构的DLs联合起来,利用统一的查询界面实现对多个DLs的透明访问。首先介绍了DLs互操作的实现方法,并指出了各自的优缺点;在此基础上,提出一 种基于移动Agent的DLs互操作框架,并给出了基于该框架实现的一个原型系统。

专家系统与Web技术集成的研究

专家系统和Web技术是两项重要技术。将专家系统与Web技术集成,开发基于Internet的专家系统,可以克服传统专家系统的一些缺陷。文章简要介绍了传统专家系统所存在的问题以及Web技术对专家系统提供的支持,在此基础上提出了三种集成Web技术的专家系统结构模型,并介绍了每种结构所采用的关键技术。

基于SVM和粗糙集理论的用户概貌攻击检测方法

针对现有用户概貌攻击检测算法存在准确率不高的问题,提出一种基于SVM和粗糙集理论的用户概貌攻击检测方法.首先,基于项目类别提出一种特征提取方法;然后,结合所提特征与已有特征分别联合填充规模后通过SVM进行二分类检测,再把各个特征检测结果合并构成信息表;最后,利用粗糙集理论生成的决策规则对信息表进行决策,得到最终的检测结果.实验结果表明,本文提出的方法有效提高了攻击检测的准确率.

基于局部密度的用户概貌攻击检测算法

针对现有的用户概貌攻击检测算法在检测模糊攻击时精确度不高的问题,本文提出一种基于局部密度的用户概貌攻击检测算法.首先,利用LOF离群点检测算法为每个用户计算局部离群因子,得到用户的局部离群程度;然后,结合攻击用户对目标项目的评分与真实用户评分之间的差异,进一步确定目标项目及攻击目的,最终给出目标项目所对应的攻击概貌.实验结果表明,该算法无论是针对标准攻击还是模糊攻击,均具有较高的检测精度.

一种基于启发式搜索的论文元数据提取算法

随着大量的科研论文以电子文档的形式出现,为了高效地检索这些科研文献资料,从中精确地抽取这些论文头部的元数据信息显得十分有必要。在条件随机场模型的基础上,提出了一种启发式搜索算法来对论文头部的元数据信息进行提取。该算法首先利用文本分块技术和特征提取规则来对文本进行预处理,然后结合条件随机场概率模型利用启发式搜索来进行元数据的提取。实验结果表明,在相同概率模型的基础上,该算法有着较好的性能,在精确度和召回率方面都有了明显的提高。