基于分类技术的用户意向挖掘

目前用户在线活动后的目标和喜好引起广泛关注。为了满足不同用户的信息需求,从娱乐角度来对用户在线活动意向进行了研究。在无用户显性反馈时,分析了由网页来获取用户的娱乐意向。并对娱乐意向进行了定义。然后提出了网页娱乐意向学习框架,通过机器学习方法支持向量机(SVM)建立娱乐意向识别模型,实现了从网页来识别用户娱乐意向目的。根据在开放目录项目(ODP)实验结果统计,娱乐意向识别能力EF可达到85.7%。

实例驱动的自适应本体学习

针对知识管理中本体构建存在的问题,将聚类算法与ODP(Open Directory Project)目录有机结合,给出了一种基于知识资源元数据的自适应本体学习方法。根据元数据对文档进行聚类形成本体概念,将生成的概念分别映射到ODP中确定概念间的层次关系,生成初始本体;根据内聚性和相关性的变化进行自适应本体学习,实现本体更新和概念丰富,以及时跟踪知识的变化。提出的自适应本体学习方法能够很好地反映研究领域的演变过程和发展趋势,满足知识型组织进行知识管理和研究人员共享知识的需求。实验结果表明了方法的有效性。