搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
服务资源智能聚合与推荐技术
0.00    
图书来源: 浙江图书馆(由图书馆配书)
  • 配送范围:
    全国(除港澳台地区)
  • ISBN:
    9787121273513
  • 作      者:
    刘平峰[等]著
  • 出 版 社 :
    电子工业出版社
  • 出版日期:
    2015
收藏
作者简介

  刘平峰,武汉理工大学副教授,博士生导师,教学名师,经济学院电子商务系主任,武汉理工大学电子商务与智能服务研究中心、广义虚拟经济研究中心副主任,加拿大渥太华大学访问学者,湖北系统工程学会理事,武汉市政府电子商务专家,教育部—IBM大学合作项目优秀教师。主要研究方向:商务智能、服务管理、O2O电子商务。

展开
内容介绍

  针对传统的商品搜索和推荐技术已不能满足客户对服务资源个性化需求的问题,《服务资源智能聚合与推荐技术》在国家科技支撑计划、863计划、国家自然科学基金、教育部人文社科等课题的支持下,以用户复杂需求为出发点,充分利用本体技术在解决语义歧义和能够语义推理方面的优势,以“服务资源统一描述、发现与聚合——客户复杂需求描述和获取——满足客户复杂需求的服务资源推荐”为主线,研究服务资源语义模型和语义词典、基于语义模型的服务资源智能发现与聚合、客户复杂需求的本体建模与智能获取、满足客户复杂需求的服务资源均衡推荐与组合推荐四个层次的关键问题,为海量服务资源环境下电子商务智能个性化服务提供语义基础技术和应用关键技术。

展开
精彩书摘
  《服务资源智能聚合与推荐技术》:
  基于案例推理的推荐技术试图从以往推荐过的类似案例中找到现成的或经过修改后能够解决现有问题的答案。CBR通常包含4个过程,即4R模型:提取(Retrieve)、重用(Reuse)、修正(Revision)和保留(Retain)。基于案例的推荐技术重点需要解决案例的表示,以及案例推理过程中所涉及的算法问题。Fabiana Lorenzi和Francesco Ricci在对4个典型的基于案例推理的推荐系统Entree、DieToRecs、First Case和Expertclerk进行对比分析的基础上,对基于案例推理的推荐技术进行分类,探讨了每类技术所涉及的CBR过程,以及其间的关键方法和算法,他们指出案例模型应包括内容模型、用户模型、会话模型和评估模型四个子模型,但没有解决如何统一表示案例模型的问题,以及产品属性值和用户偏好属性值为非数值型数据时的相似度计算问题。MehmetS.Aktas等人为了在地震模拟网格上方便地查找各种信息和资源,采用语义本体技术来统一描述案例和用户需求,然后采用CBR技术向用户推荐信息资源。 
  基于知识推理的推荐技术涉及3种知识:①目录知识,即推荐商品及其特征的知识;②客户知识,即客户需求和偏好的知识;⑧功能知识,即商品及其特征满足客户的需求的知识,用于推理出用户需要与某一推荐物品的相互关系。其中,客户知识和功能知识的获取是研究难点问题。基于知识推理的推荐技术的基本原理是通过用户交互界面引导用户明确对产品特征的要求从而获取客户的需求知识,推荐系统根据获取的用户需求知识和产品知识库中的目录知识,利用功能知识进行推理,找出能够满足用户需求的产品并推荐给用户。
  ……
展开
目录

第1章  国内外相关理论研究现状 1
1.1  电子商务语义本体 1
1.1.1  电子商务语义词典 2
1.1.2  本体及本体集成 3
1.2  用户兴趣建模与获取 13
1.2.1  基于评分的用户模型 13
1.2.2  基于特征的用户模型 14
1.2.3  基于规则的用户模型 15
1.3  服务资源发现与聚合 16
1.3.1  服务资源发现 16
1.3.2  服务资源聚合 20
1.4  服务资源推荐技术 21
1.4.1  传统推荐算法研究 22
1.4.2  混合推荐技术 30
参考文献 32
第2章  电子商务语义基础技术 42
2.1  电子商务中文语义词典构建 42
2.1.1  中文语义词典系统体系结构 42
2.1.2  中文语义词典的词典结构 43
2.1.3  中文语义词典语义相似度计算 45
2.2  中文本体语义映射与集成技术 53
2.2.1  电子商务语义映射与集成系统框架模型 53
2.2.2  基于本体的语义查询流程 56
2.2.3  语义集成查询关键技术 59
2.3  中文本体管理技术 69
参考文献 72
第3章  用户需求语义建模与智能获取技术 74
3.1  用户需求语义建模 74
3.1.1  用户需求本体模型 74
3.1.2  用户概要本体模型 76
3.2  用户需求语义解析与规范化 79
3.3  用户偏好获取技术 81
3.3.1  基于综合反馈的用户偏好获取技术 82
3.3.2  基于最大熵模型的用户偏好获取技术 98
3.3.3  基于粗糙集的用户偏好获取技术 100
3.3.4  基于兴趣图谱的用户偏好获取技术 105
参考文献 123
第4章  服务资源智能发现方法 126
4.1  服务资源的语义建模 126
4.1.1  服务资源语义建模需求 126
4.1.2  面向用户的服务资源目录本体建模层次结构 129
4.1.3  面向用户的服务资源目录本体建模元语 130
4.1.4  服务资源目录本体元模型的OWL DL描述 132
4.2  服务资源目录本体自学习方法 133
4.2.1  基本原理 133
4.2.2  电子商务Web页面预处理 134
4.2.3  基于目录网站层次的目录本体概念获取 139
4.2.4  基于语义和关联规则的概念关系学习 142
4.2.5  基于模式匹配和在线统计的属性识别 146
4.3  服务资源实例发现方法 153
4.3.1  基本思想 153
4.3.2  Web网页中个体知识表示特征 155
4.3.3  基于本体的网页主题概念和个体知识表示特征的判定 157
参考文献 167
第5章  服务资源智能聚合技术 171
5.1  服务资源本体实例消重机制 171
5.1.1  实例名称语义相似度计算 171
5.1.2  实例属性语义相似度计算 173
5.1.3  实例关系语义相似度计算 174
5.1.4  实例综合语义相似度计算 175
5.1.5  实例消重过程 175
5.1.6  实例消重算法举例 175
5.2  服务资源智能聚合系统关键技术 178
5.2.1  系统设计原理 178
5.2.2  服装行业本体建模 181
5.2.3  数据库模型设计 193
5.2.4  基于倒排模型的语义索引 196
5.2.5  语义信息检索 209
5.3  服务资源智能聚合原型系统实现 214
参考文献 216
第6章  服务资源智能推荐技术 217
6.1  基于语义的服务资源智能推荐技术 217
6.1.1  基于商品属性隐性评分的协同过滤算法 218
6.1.2  基于模糊聚类和资源平滑的协同过滤算法 222
6.1.3  基于本体的B2B电子商务MAS模型及商品匹配算法 224
6.1.4  基于本体的语义相似性的协同过滤算法 229
6.2  基于适合度的服务资源智能推荐技术 231
6.2.1  FQoS适合度匹配算法 233
6.2.2  QoS适合度匹配算法 240
6.3  基于兴趣度的服务资源智能推荐方法 244
参考文献 246

第7章  服务资源组合与推荐技术 251
7.1  基于服务属性多层关联规则的服务资源组合智能推荐技术 251
7.1.1  服务组合方法相关基础理论 251
7.1.2  基于服务属性多层关联规则的服务资源组合推荐基本
原理 254
7.1.3  基于服务属性多层关联规则的服务组合推荐案例研究 257
7.2  基于模型优化的服务资源组合智能推荐方法 259
7.2.1  组合服务的QoS计算相关基础理论 259
7.2.2  基于模型优化的服务资源组合智能推荐基本原理 262
7.2.3  基于模型优化的服务组合推荐案例研究 266
参 考 文 献 268

展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证