基于本体的个性化用户模型研究

个性化服务是一种能够满足用户个体需求的服务方式，通过研究用户的行为和习惯，对用户采取不同的服务策略。本体表示用户模型能够提供结构化的模型存储形式，帮助系统更好的发现用户兴趣，更好满足用户需求。因此，对基于本体的个性化用户模型以及用户兴趣本体的自动生成成为新的研究课题。 首先，比较了几种表示用户模型的方法，指出本体表示用户模型的优点。提出一种基于本体的信息检索模型，分析用户模型及用户兴趣度的影响因素，并把用户偏好与兴趣本体的语义概念层次相结合，改进个性化用户模型的学习过程以及概念兴趣度的更新过程。 其次，提出了用户兴趣本体的自动产生方法，FOGA(模糊本体生成框架)通对形式概念分析、概念层次产生、模糊本体产生、语义表示转换，从不确定数据中自动产生模糊本体。利用模糊概念聚类算法，将每个概念与一个对象和属性集关联，并将概念聚类描述成对象集和属性集。 再次，利用近似推理技术，扩充产生的模糊本体，确定概念属于不同的类别，并将与概念相关的对象和属性集关联到该类中，概念的额外属性被合并到本体中，从而完成整个知识库的动态更新。 最后，通过对上述用户兴趣本体自动生成方法进行了实验验证。利用Recall、Precision和F-Measure对聚类结果进行了评估，利用Relaxation Error观察关键词的产生效果，利用Average Uninterpolated Precision来评价概念的层次结构。