基于通用加权XML模型的个性化用户兴趣本体研究

个性化信息推荐技术的关键在于准确有效的表达用户兴趣模型。近年来，基于XML的本体表达方法逐渐受到重视，它能够结合语义特征进行有效的概念描述，但目前相关本体的构造方法和运算性能都存在着许多局限性。本课题申请研究基于通用加权XML模型的个性化用户兴趣本体的构造策略和个性化推荐方法。从数据模型角度来看，本课题首先研究加权XML模型的一般表达方法，对于每个XML节点都增加表达个性化兴趣信息的权值，并综合考虑包含同构和异构两种形式在内的通用XML模型设计方法。其次，课题将研究通用加权XML模型数据实例相似度计算的有效方法。最后，在这些方法的基础上，本课题最终能提出一个完整的个性化信息推荐框架。该方法克服了单纯利用XML结构信息和节点语义信息的弊端，利用节点权值增强了XML模型表达用户兴趣的能力和改进了相应XML数据实例的计算性能。本课题的研究对提高现有个性化信息推荐系统的推荐效果有着重要的意义。

本项目主要研究基于通用加权XML模型的个性化用户兴趣模式的构造方法及其相关个性化推荐方法。经过三年的研究，项目进展顺利，达到了预期研究目标。具体研究内容包括三个方面：.1）通用加权XML 模型的构造技术及其相似度计算方法研究。.这取得了两个主要的研究成果：一是加权XML模型结构表达语义信息的有效性验证和推荐方法的设计，并据此实现对用户个性化模式的表达。我们提出了“先打碎后重构”的策略，将各种异构用户个性化模式信息纳入到领域参考本体结构中；二是领域本体的自动构建方法，该方法可以更好的帮助我们处理语义网络中的各种异构信息的转换和表达问题，如自动选择与当前词语最为合适的相关本体词语，以服务于个性化用户本体的构造和个性化服务的实现。我们针对学术文献服务领域，通过引入引文分析方法和词语共现分析方法等方法，进行了本体概念词语的抽取和本体中各种概念之间联系的获取方法这两个主要方面的研究。.2）利用提出的用户个性化模式表达方法实现对特定领域的信息推荐服务及其推荐服务框架设计。.在学术文献关键路径自动识别和可视化展示方法的研究方面，我们探索了从海量的学术文献中自动发现有价值的高质量文献和学者个性化研究点的时序演变路径。在图书文献服务领域，通过利用读者借阅记录中时间信息，对读者阅读兴趣程度的识别方法和读者兴趣时序演变趋势可视化设计进行了研究，同时还结合图书类别目录层次、标题语义信息的提取处理方法、基于加权XML模型的用户个性化模式表达方法及其权值扩散策略，提出了三种图书馆个性化图书推荐服务的形式。.3）探索引入时间分析方法来增加用户个性化模式的表达能力, 及其在移动互联网环境下如何实现用户个性化模式复用和共享。.我们利用前期研究中的加权兴趣表达方法提出了加权关键词共现时间元，通过对关键词时序路径的发现和对关键词时序网络结构的表达，对个性化学术研究时序路径的发现方法及其可视化界面设计进行了研究。同时，我们还对利用加权XML模型表达便携式用户个性化模式的有效性进行了研究，通过结合用户主要兴趣特征发现的时间片震荡算法，该方法可以更好的解决移动互联网环境下用户个性化信息模式的复用和共享问题。.通过现有研究，我们探索了利用通用加权XML模型来实现用户个性化模式的有效表达问题，同时在相关的信息推荐服务方面，从应用和改进等方面都做了大量的研究工作。这些成果将有助于个性化信息推荐服务进一步推广和应用。