書籍信息
| 作者： | 劉啟華 著 | ||
| 定價： | 30 元 | 頁數： | 219頁 |
| ISBN： | 978-7-309-10860-6/G.1400 | 字數： | 205千字 |
| 開本： | 16 開 | 裝幀： | 平裝 |
| 出版日期： | 2014年11月 | ||
內容簡介
信息技術和網路的發展不僅使信息數量呈幾何級數增加，表現出“極端數據”或“海量數據”的特徵，進一步導致“Web數據危機”，而且也使信息資源的服務與利用日益社會化和個性化。新興網路(社會化網路、微博、微信、Twitter等)、新興商務模式(團購、社會化商務等)、智慧型終端(智慧型手機等)以及新技術(泛在計算、物聯網等)構建出了一個網路和套用無所不在的泛在商務環境。
泛在商務環境下，網路信息資源具有多源性、多樣性、海量性和異構性等自然特性，同時用戶信息服務需求存在著泛在性、情境敏感性和高度個性化等特徵。現有的信息處理模式已無法適應新興商務環境下人們研究、學習、創新與決策的要求，主要體現在： (1)傳統的信息組織和檢索方式不適應泛在商務環境下多樣化的終端設備的要求； (2)用戶信息需求的個性化和多元化特徵給用戶需求建模方法提出了更高的要求； (3)傳統的個性化信息推薦系統和相應算法大多是千方百計地關注於如何提高推薦算法的精確性，而忽略了推薦結果的多樣性。
圖書目錄
1緒論
1.1研究背景
1.1.1泛在計算
1.1.2物聯網
1.1.3商務模式的演變
1.2研究問題及意義
1.2.1研究問題的提出
1.2.2研究意義
1.3研究內容和組織
2研究綜述
2.1泛在商務研究綜述
2.1.1泛在商務的基本概念
2.1.2泛在商務的特點
2.1.3泛在商務文獻統計分析（2000—2009）
2.2信息聚合研究綜述
2.2.1聚合、融合與集成
2.2.2信息聚合及其套用
2.3智慧型推薦研究綜述
2.3.1傳統的信息推薦方法
2.3.2新興的信息推薦方法
2.4本章小結
3泛在商務環境下信息聚合與推薦框架
3.1泛在商務環境下信息資源的特性
3.2泛在商務環境下信息服務的特徵
3.3泛在商務環境下信息聚合與推薦框架
3.3.1基於情境計算的用戶需求模型
3.3.2基於主題模型的信息按需聚合
3.3.3基於興趣社區和信任鄰居的個性化推薦
3.4本章小結
4基於情境計算的用戶需求模型
4.1理論基礎
4.1.1情境計算
4.1.2語義本體
4.1.3Web日誌挖掘
4.1.4多關係決策樹
4.2基於情境歷史挖掘的用戶需求獲取
4.2.1情境歷史獲取
4.2.2情境歷史推理
4.2.3偏好預測和用戶建模
4.3與其他方法的比較
4.4本章小結
5基於主題模型的Web文本按需聚合
5.1主題模型
5.1.1主題模型的提出
5.1.2主題模型的發展歷史
5.1.3LDA模型
5.2基於LDA的Web文本信息按需聚合
5.2.1基本思路
5.2.2基於LDA的主題信息採集
5.2.3基於LDA的文本層次分類
5.2.4基於LDA的文本檢索
5.3本章小結
6基於興趣社區和信任鄰居的個性化推薦
6.1個性化推薦系統的多樣性研究進展
6.1.1推薦系統多樣性的類型
6.1.2提高推薦系統多樣性的方法
6.1.3推薦系統多樣性的主要度量指標
6.2多層語義興趣社區的構建
6.2.1興趣社區概述
6.2.2基於用戶需求本體的多層語義興趣社區
6.3基於興趣社區和信任鄰居的混合推薦模型
6.3.1基於興趣社區的用戶偏好匹配算法
6.3.2基於信任鄰居的多樣性信息推薦算法
6.3.3基於興趣社區和信任鄰居的混合推薦算法
6.4本章小結
7實驗研究：武漢泛在旅遊信息聚合與推薦系統——U-Travel
7.1U-Travel套用背景
7.2U-Travel系統架構
7.2.1系統框架
7.2.2用戶需求建模模組
7.2.3旅遊文本建模模組
7.2.4旅遊信息資源按需聚合模組
7.2.5旅遊信息推薦模組
7.3系統運行結果展示
7.4U-Travel主要模組測試
7.4.1基於情境歷史的移動用戶偏好挖掘效果測試
7.4.2基於LDA的中文主題抽取效果分析
7.4.3基於LDA的文本層次分類效果分析
7.5U-Travel性能測試
7.5.1U-Travel的檢索效果測試
7.5.2U-Travel的個性化推薦效果測試
7.6本章小結
8總結與展望
8.1總結
8.2研究展望
參考文獻
