一、智能检索中基于本体的个性化用户建模技术及应用（论文文献综述）
邢海龙[1]（2020）在《大数据联盟数据挖掘服务模式研究》文中研究表明随着社交网络、传感器技术、移动互联网技术的快速发展,数据存储量已经达到了PB级别,成为了企业乃至国家的重要性战略资源。在国家政策的积极推动下,大数据服务平台不断涌现,为满足在“数据海洋”中获取所需资源及挖掘数据背后的潜在价值奠定了良好基础。但是目前大数据服务市场还处于发展初期,发育还不够完全,在面对用户多样的数据挖掘服务需求时,单一企业在服务能力方面还存在不足。为此,以大数据产业链为依托,以提高数据挖掘服务能力和服务质量为目的,通过整合大数据产业链上、中、下游企业的资源优势、技术优势和服务优势,以联盟的组织形式为社会提供数据挖掘服务,对完善大数据服务市场起到了重要作用,大数据联盟采用的服务模式将直接影响着数据挖掘服务的质量和水平,构建符合大数据服务需求特点、有利于整合联盟成员数据资源的数据挖掘服务模式是数据企业急需解决的紧迫课题。在跟踪总结国内外大数据、大数据联盟、数据挖掘及服务模式的研究现状、发展趋势和实际应用情况的基础上,分析和界定了大数据联盟、数据挖掘服务的相关概念及特点。从合作协同视角,运用核心能力理论、协同理论、博弈理论等,揭示大数据联盟合作机理,在分析大数据联盟数据演化过程、数据挖掘层次的基础上,构建大数据联盟数据挖掘服务模式框架。在此基础上,提出了大数据联盟标准化数据挖掘服务模式、定制化数据挖掘服务模式和智能化数据挖掘服务模式。标准化数据挖掘服务是针对用户共性化需求,提供的一种数据挖掘服务。该服务模式结合用户的需求类型,将联盟通过数据挖掘获取的资源进行服务产品的封装,以数据产品的形式进行发布与交付。并依照用户对服务认知和理解的程度不同,将服务方式划分为自助式和咨询式两种服务方式,以及从售后服务、运营监管两方面,提出标准化数据挖掘服务保障。定制化数据挖掘服务是针对用户个性化需求,提供的一种数据挖掘服务。该服务模式从联盟用户需求描述、服务能力挖掘、联盟数据准备、模型构建、模型评估和服务交付几个环节,构建大数据联盟定制化数据挖掘服务过程模型,依照用户的参与程度不同,将服务方式划分为委托式和跟进式两种服务方式,并从协调管理、资源配置、协同调度三方面,提出定制化数据挖掘服务保障措施。智能化数据挖掘服务是针对用户混合型需求,进行的一种数据挖掘服务。该服务模式是融合智能决策理论和知识推理方法,从服务需求知识表示、服务智能检索、服务重用与调整、服务支付、服务知识学习与存储几个环节,构建大数据联盟智能化数据挖掘服务过程模型,将服务方式划分为智能交互的委托式和智慧协同的跟进式两种服务方式,并从多案例经验集成、群体智能两方面,提出智能化数据挖掘服务保障措施。在实证研究部分,选择中关村大数据产业联盟中,以提供数据挖掘服务为主要业务的ZWJ大数据联盟为研究对象,将本文提出的大数据联盟数据挖掘服务模式运用到实际联盟中,验证数据挖掘服务模式的科学性与合理性,并完善数据挖掘服务模式管理体系。对大数据联盟数据挖掘服务模式的研究,有利于数据资源的流通、共享和价值创造。在满足日益增长的数据挖掘服务需求的同时,充分发挥联盟的资源优势、技术优势,挖掘数据资源背后的“知识财富”。为促进我国大数据服务产业蓬勃发展,提高数据资源价值活力和数字技术创新能力具有重要作用。同时研究成果有助于丰富企业资源管理理论与服务模式理论体系,并对大数据产业发展及大数据服务应用具有重要现实指导意义。
李霄野[2]（2019）在《基于主题模型的经济犯罪智能检索方法研究》文中研究表明随着公安经济侦查业务的扩展,历史数据的日益增多,人工智能技术的广泛使用,针对经济犯罪信息的智能化检索模式已成为经济犯罪侦查领域的迫切需求。目前多数检索引擎大都使用关键词匹配的模式,没有考虑文本内在的语义,导致检索结果的准确率与查全率均不高。为了解决这一问题,主题模型以其挖掘文档隐含概念的优势大量被用在信息检索中,但是仍存在以下问题:第一,其无监督的学习形式,导致生成的主题解释性不够明确;第二,主题模型更适合处理长文本,对特征较少的查询语句不适用。为解决以上问题,本文从智能检索的语义特性出发,提出了一种基于主题模型的智能检索方法。该方法从文档的检索模型和用户提问两个角度进行研究,运用主题模型结合聚类算法挖掘文档的潜在语义,构造文档索引;应用本体技术处理用户提问语句,标准化检索式。首先选择经济犯罪领域专家知识作为主题模型的先验知识,改进了无监督主题模型的主题偏离实际语义的缺陷,实现了半监督性质的主题建模,生成了符合经济犯罪特征的文档主题标签。其次,研究了文档的聚类方法,结合了Bagging集成学习思想,改进了传统k-means算法,以解决原始语料经过主题模型训练生成的文本主题分布较为稀疏的问题。再次,构建了经济犯罪领域本体,描述各个实体间的逻辑关系,并完成本体的持久化,在检索阶段识别出查询语句的语义和逻辑关系,重构用户检索条件,发掘出用户真实检索要求;最后,根据查询与文档的综合匹配率,按照相似度排序结果列表,以提高检索准确率和召回率。在基于主题模型的智能检索方法的基础上,开发了经济犯罪智能检索系统。以某经济犯罪领域数据为样本实例,验证了本文改进的主题模型和智能检索方案的效果与价值。
邹晨红[3]（2019）在《面向E-learning3.0的学习者模型研究》文中认为随着Web3.0技术的逐步成熟,E-learning3.0实现了随时随地的连接和学习,为学习与教育带来了新的机遇。E-learning3.0的核心观点是移动、互联、智能、协同,强调以人为本、全向交互、个性化服务,“以学习者为中心”理念深入其中。学习者模型是E-learning实现个性化和智能化服务的参考依据,然而现有的学习系统更多关注学习者在认知和知识等方面的个体特征,很少考虑学习者周围环境对其产生的影响;现有的数字化学习系统分别拥有各自的学习者模型,并针对学习者的部分特征进行构建,个性化服务系统之间相互独立,形成了信息或服务“孤岛”;并在学习者模型构建中,未对描述学习者模型的元数据进行标准化。学习者模型的构建直接影响数字化学习系统的个性化、智能化服务的效果,本课题在E-learning3.0发展理念的引领下,针对学习者模型中存在的问题展开了研究。1.首先基于对国内外学习者模型标准以及个性化学习者模型的研究,根据学习者模型的特征要素,对学习者模型进行分类,在生态学理论、联通主义理论以及分布式认知理论的指导下,提出了融合学习者关系特征的五元组模型LM=<KM,CM,EM,BM,RM>,从理论上丰富了学习者模型的内涵。2.在学习者模型的详细表征中,采用了基于本体论的方法,并将FOAF本体与RELATIONSHIP本体引入;针对学习者模型的片面性,提出了一种基于国际标准ISO/IEC19763-3的本体融合方法,该方法以标准ISO/IEC19763-3作为理论指导,对融合的过程进行了规范化,实现了两个学习者模型本体的融合,解决了学习者模型构建中的信息“孤岛”等问题。3.最后,对学习者模型的应用进行了探索。在学习共同体等理论的指导下,构建学习者模型本体推理规则;通过学习者的关系特征,推理出学习者感兴趣的知识领域,由此构建了智能信息检索系统。实现了知识快速精准的检索,从而验证了学习者关系特征在数字化学习中的应用。通过上述研究,丰富了学习者模型的内涵,为实现数字化学习的个性化服务和资源的优化配置提供依据,为今后个性化、智能化学习系统的实现奠定了基础。
姬鹏飞,李远刚,卢盛祺,戴开宇[4]（2016）在《基于语义Web的旅游路线个性化定制系统》文中提出自助游逐渐成为当今旅游的主要方式,但由于互联网信息过载以及基于文本匹配的搜索机制等问题,用户需要花费大量时间和精力自行完成旅游路线的规划。为给用户提供个性化、可定制的旅游规划服务,提出基于语义Web技术的旅游路线个性化定制系统。构建旅游景点的领域本体模型,在半监督条件下完成景点实例的填充,结合中文分词、词性标注以及本体用户建模等技术,实现用户检索需求的解析并根据用户兴趣模型对检索结果进行分类排序,利用景点间的语义关联完成时空相关的路线扩展。系统性能测试和可用性评估结果表明,该系统具有较高的查准率和查全率,可实现旅游线路的个性化定制。
赵继春[5]（2016）在《农民现代远程教育个性化学习关键技术研究》文中进行了进一步梳理开展农民现代远程教育是提升农村信息化水平、消除数字鸿沟、构建农民终身教育体系的一项重要战略部署。目前,随着计算机和通信技术的快速发展,网络学习资源增长迅速,农民在远程教育学习过程中,面临着―信息迷航‖以及―资源过载‖问题,主要原因是现有的远程教育系统不能有效的理解教学资源的语义信息,不同结构的教学资源未能够有效的组织成有效的知识。另外,系统无法为不同学习需求和背景的用户提供符合其偏好特征的学习资源。如何从大量的学习资源中快速、有效地获取个性化学习信息已经成为学习者迫切的需要。本文主要探讨研究了农民现代远程教育个性化学习关键技术,研究采用理论建模、数学分析、实验仿真验证和实际部署等方法。论文在个性化学习关键技术理论研究和实践探索方面,主要取得了以下几方面成果:（1）提出了农民远程教育个性化学习系统框架。以远程教育教学资源、农民学习行为和教学资源属性信息为依据,以计算机和信息技术手段为支撑,提出了髙效的农民远程教育个性化学习系统架构。（2）开发构建了农民远程教育视频教学资源领域本体。研究并优化领域本体构建方法,开发构建的视频教学资源领域本体为用户兴趣模型提供可靠的语义知识支持。（3）研究构建了基于用户属性信息和教学资源领域本体的个性化用户兴趣模型,有效缓解了用户学习行为变化预测不准、算法空间复杂度高以及影响用户学习行为分析不准确全面等问题。（4）提出了基于用户属性信息及其兴趣主题联合相似度的协同过滤推荐算法,缓解了个性化系统中存在的稀疏性以及新用户问题。开展了基于序列分析的个性化推荐算法研究工作,通过实验找出最小支持度阈值设置范围在0.003%至0.004%之间,能兼顾算法的准确率和覆盖率。（5）研发了农民远程教育个性化学习系统原型,在实践中验证了领域本体、用户兴趣模型和个性化推荐算法等关键技术和方法研究理论的有效性。研究创新之处主要体现在:在研究构建的远程教育视频教学资源领域本体基础上,提出了基于用户属性信息和教学资源领域本体的个性化用户兴趣模型,解决了用户兴趣模型缺少层次概念语义问题,模型具有较好的扩展性和自我调节能力。在教学资源领域本体和用户兴趣模型研究基础上,提出了基于用户属性信息和兴趣主题联合相似度的协同过滤推荐算法,有效缓解了评分矩阵的稀疏性、个性化推荐算法的时间复杂度高等问题。
孙雨生[6]（2015）在《国内基于本体的用户兴趣建模研究进展（下）——模型管理》文中认为文章从模型表示、模型初始化、模型进化三方面介绍了国内基于本体的用户兴趣建模研究进展。
孙雨生[7]（2014）在《国内基于本体的用户兴趣建模研究进展（上）——基础、框架与应用》文中认为文章介绍了基于本体的用户兴趣建模内涵和核心内容,并从建模思路与总体架构、模型应用、本体构建、模型测评与存储4个方面介绍了国内基于本体的用户兴趣建模研究进展。
李新广[8]（2011）在《数字图书馆的用户偏好模型及个性化推荐研究》文中提出近年来,随着科学技术的不断更新和人类文明的快速跃升,各方面的理论、知识和技术一直在迅猛发展,我们生活在信息和知识的海洋里。作为信息和知识集散中心的图书馆在人们生活和工作中的地位愈发重要。随着网络技术、通信技术、数字化存储技术、可视化技术、人工智能技术等的不断发展,各种数字资源日益丰富,基于数字资源的数字图书馆已成为未来图书馆发展的必然趋势。然而,尽管数字图书馆的发展如火如荼,受限于各种软硬件技术的发展水平,以及人类的生理、心理和生活习惯等因素的制约,纸本图书仍将在相当长的时期内占据优势地位。数字图书馆与传统图书馆经过妥协与融合,同时提供数字图书与纸本图书的过渡形态,在相当长的时期内将会是数字图书馆存在的主流形态。随着图书资源数量的急剧增加、人们生活节奏和知识更新速度的不断加快,如何使用户在浩瀚的图书资源中快速、准确地找到感兴趣的内容,已经成为图书馆学专家和学者面临的迫切课题之一,也是现代图书馆生存和发展无法回避的问题。数据挖掘技术的出现客观上为数字图书馆的个性化推荐提供了一个解决思路。本文以数字图书馆的个性化推荐为研究目标,结合本体、概念格、关联规则、信息推荐等新兴技术,研究和分析数字图书馆的个性化推荐过程中所涉及到的用户建模、图书推荐、图书配置等的理论和实现,提供了一个完整的解决方案,并用原型系统予以验证。本文的研究内容主要包括以下几个方面：（1）数字图书馆的用户偏好模型基于中国图书馆分类法（中图法）规范建立图书分类的本体结构,对于分类不够细致的中图法类目,通过概念格聚类生成新的更为细致的类目,作为对中图法规范的补充。根据所建立的中图法本体建立用于个性化推荐的用户偏好模型。鉴于中图法本体在一些跨学科图书描述上的不足,给出了基于向量空间模型的用户偏好模型。两个用户偏好模型共同描述了用户的偏好特征。同时,对用户偏好模型的一些运算和群特征进行了研究。（2）直接基于用户偏好模型的图书推荐策略通过计算目标图书所在中图法类目与中图法本体各概念的语义相似度,获取“最近邻居”,并通过对“最近邻居”的评分值（用户借阅频次）加权求和的方式,预测用户对目标图书可能的感兴趣程度。（3）基于偏好模型相似度的图书协同推荐策略基于用户偏好模型的相似度,找到与目标用户的兴趣偏好比较接近的用户作为“最近邻居”,并采用协同推荐的策略通过“最近邻居”对目标图书的效用度估计值,预测目标用户对该图书的感兴趣程度。（4）基于偏好模型的图书配置策略针对图书在图书分馆之间的配置比例普遍存在的不合理现象,研究了入库新书在各分馆之间的合理配置比例的预测方法。（5）基于用户的图书协同推荐策略从关联规则的角度估算用户之间的相似度,从而找出目标用户的“最近邻居”,并根据“最近邻居”对目标图书的借阅情况,预测目标用户对目标图书的感兴趣程度。（6）概念格在图书协同推荐中的应用通过分析现有文献提出的概念格在协同推荐中的应用原理和方法,结合数字图书馆的服务特征,将概念格引入到数字图书馆的个性化推荐中,从而加快协同推荐中“最近邻居”的查找速度,提高协同推荐的计算效率。（7）原型系统给出了原型系统,对文中提出的理论和算法予以验证。
杨晓蓉[9]（2011）在《分布式农业科技信息共享关键技术研究与应用》文中研究表明随着计算机及网络技术的迅猛发展和广泛应用,农业科技信息的采集、存储、处理和传播的数量与日俱增,全国各地各部门建设了很多农业科技信息共享服务系统。但是由于涉农各种组织在建立自己的应用系统及数据存贮时,缺乏统一的规划和管理,而分别独立开发和设计各自的应用系统,因此系统分布、异构已成为现有应用环境的基本特征,导致信息资源的整合和全局应用越来越困难。而且大部分农业信息系统缺乏资源检索的语义联想能力,检索效率和准确率低下,服务模式单一,不能够根据用户的特点提供个性化信息服务。针对以上问题,在对比、分析、总结了现有的分布式信息共享关键技术的优缺点的基础上,研究确定了分布式异构农业科技信息共享中需解决的关键问题,本文设计了基于中间件法和元数据相结合的分布式农业科技信息共享框架,研究了分布式农业科技信息共享的关键技术。针对分布式农业科技信息整合问题,制定了适合农业科技信息描述的元数据标准,采用中间件自动抽取和人工描述相结合的方式实现了元数据抽取,并利用元数据副本一致性管理模型实现了元数据副本容错和负载均衡。针对农业异构数据源检索,研究了基于农业领域词典的中文分词方法和基于农业领域本体的语义扩展方法,实现了基于农业本体的查询扩展,提高了搜索的查全率和查准率。采用自动建模和人工建模相结合的方法构建用户兴趣模型,基于访问次数对用户兴趣度进行统计,群体用户的兴趣访问本体与个人用户兴趣访问本体进行聚合,实现了聚类的个性化信息资源推送。利用用户模型在本体上投影形成的个性化本体对用户查询进行针对性更强的个性化语义联想,检索出最符合用户意图的结果。最后采用以上研究的关键技术和方法,基于ASP.NET+SQL Server 2005开发环境构建了西藏分布式农业科技信息智能检索及信息共享平台,验证了本论文研究的关键技术和方法,实现了西藏地区农业科技信息的全局、统一和高效的访问。本文的创新之处主要体现在:提出了一个基于中间件法的分布式农业科技信息共享框架,可以支持农业科技信息集成化服务。在此基础上,设计了基于农业本体的异构数据库模式的自动抽取和匹配方法,提高了集成环境中农业信息智能检索的查准率和查全率;提出了基于农业本体的用户模型自动构建方法,实现了个性化信息服务。基于上述研究的技术和方法,设计开发了西藏分布式农业科技信息智能检索及信息共享平台,验证了论文所提方法的有效性。
张瑜[10]（2009）在《基于本体的农业科技信息用户建模系统研究》文中研究说明快速发展的互联网给人们的生活带来了全方位的便利,同时网络上信息资源的爆炸性增长也不可避免的带来了一些问题。由于网络构成的是一个开放、分布的信息空间,其本身固有的异构性、多样性、分布性所造成的“信息过载”、“资源迷向”问题也日益严重。搜索引擎为我们提供了检索信息的便利,然而目前大多数检索系统对用户提供的检索仍然是停留在“关键词”层面上,缺乏语义和针对性,并在一定程度上造成了信息的流失。在针对性方面利用用户模型来描述用户信息,为用户提供个性化的服务。在语义方面引入本体提供语义层面的描述,分析用户需求、信息资源。用户建模工作可以追溯到上世纪70年代后期,国内用户建模方面的研究起步较晚,而基于本体的用户建模更是近两三年才开始稍见成效。从目前所掌握的信息看,农业领域方面尚无人问津。本研究以部分农业科技信息用户为例,研究怎样获取用户的知识结构,如何表示用户的信息需求和兴趣爱好并从这些数据中分析得到用户模型。具体来讲,本文主要完成的工作包括:（1）以《农业叙词表》作为初级的农业本体,并从文献中抽取出概念,用于表达用户的知识结构。（2）将农业词表加入通用词表中,对农业词表分配较大的权重以对农业词汇优先分词。以本体为依据,对文献进行语义标注,实现文献中词汇与本体中概念的匹配,并构建用户本体。（3）以TF-IDF算法计算文献中知识元素出现的频率记为用户概念向量,记录用户对知识元素的偏好。（4）用户本体和用户概念向量共同构成用户模型。（5）以余弦相似度的算法计算文献检索结果与用户模型的相似程度,从语义的角度出发对用户的文献检索结果进行重排序。（6）本体作为分词、语义标注的工具以及用户模型的一部分,实现信息资源与用户知识之间的对照。本研究以本体和概念表的方式表示用户模型。从文献中抽取出概念组成用户本体,并利用已有的本体对文献中的词汇进行归一化组织,计算出文献中用户感兴趣概念的向量,以表示用户的兴趣偏好。实验表明,本研究对用户文献检索结果的排序有所改善。本研究方法不仅适合于科技信息用户建模,也适用于互联网络中一般性的用户建模。
二、智能检索中基于本体的个性化用户建模技术及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能检索中基于本体的个性化用户建模技术及应用（论文提纲范文）
（1）大数据联盟数据挖掘服务模式研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 大数据研究现状 |
| 1.3.2 大数据联盟研究现状 |
| 1.3.3 数据挖掘研究现状 |
| 1.3.4 服务模式研究现状 |
| 1.3.5 大数据联盟数据挖掘服务研究评述 |
| 1.4 主要研究内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 大数据联盟合作机理与数据挖掘服务模式架构 |
| 2.1 大数据联盟内涵及构成 |
| 2.1.1 大数据联盟内涵 |
| 2.1.2 大数据联盟特征 |
| 2.1.3 大数据联盟成员构成 |
| 2.2 数据挖掘服务相关概念界定及过程设计 |
| 2.2.1 数据挖掘服务的相关概念界定 |
| 2.2.2 大数据联盟数据挖掘服务过程 |
| 2.3 大数据联盟合作机理 |
| 2.3.1 大数据联盟形成动因 |
| 2.3.2 大数据联盟合作网络发展阶段 |
| 2.3.3 大数据联盟资源共享关系 |
| 2.3.4 大数据联盟合作协同模型 |
| 2.4 大数据联盟数据挖掘服务模式架构设计 |
| 2.4.1 用户需求层次 |
| 2.4.2 数据挖掘层次 |
| 2.4.3 大数据联盟数据挖掘服务模式总体框架 |
| 2.5 本章小结 |
| 第3章 大数据联盟标准化数据挖掘服务模式 |
| 3.1 大数据联盟标准化数据挖掘服务模式整体架构 |
| 3.2 大数据联盟标准化数据挖掘服务内容与定价 |
| 3.2.1 大数据联盟标准化数据挖掘服务内容 |
| 3.2.2 大数据联盟标准化数据挖掘服务定价方法 |
| 3.3 大数据联盟标准化数据挖掘服务过程 |
| 3.3.1 共性化服务需求挖掘 |
| 3.3.2 联盟标准化服务产品形成 |
| 3.3.3 标准化服务封装与发布 |
| 3.3.4 标准化数据挖掘服务交付 |
| 3.4 大数据联盟标准化数据挖掘服务方式 |
| 3.4.1 自助式服务方式 |
| 3.4.2 咨询式服务方式 |
| 3.5 大数据联盟标准化数据挖掘服务实现保障 |
| 3.5.1 售后服务保障 |
| 3.5.2 运营监管保障 |
| 3.6 标准化数据挖掘服务模式适用范围及实施策略 |
| 3.6.1 标准化数据挖掘服务模式适用范围 |
| 3.6.2 标准化数据挖掘服务模式实施策略 |
| 3.7 本章小结 |
| 第4章 大数据联盟定制化数据挖掘服务模式 |
| 4.1 大数据联盟定制化数据挖掘服务模式整体架构 |
| 4.2 大数据联盟定制化数据挖掘服务内容与定价 |
| 4.2.1 大数据联盟定制化数据挖掘服务内容 |
| 4.2.2 大数据联盟定制化数据挖掘服务定价方法 |
| 4.3 大数据联盟定制化数据挖掘服务过程 |
| 4.3.1 用户个性化需求描述 |
| 4.3.2 联盟成员服务能力挖掘 |
| 4.3.3 联盟成员数据资源准备 |
| 4.3.4 数据挖掘模型选择与评估 |
| 4.3.5 定制化数据挖掘服务交付 |
| 4.4 大数据联盟定制化数据挖掘服务方式 |
| 4.4.1 委托式服务方式 |
| 4.4.2 跟进式服务方式 |
| 4.5 大数据联盟定制化数据挖掘服务实现保障 |
| 4.5.1 协调管理保障 |
| 4.5.2 资源配置保障 |
| 4.5.3 协同调度保障 |
| 4.6 定制化数据挖掘服务模式适用范围及实施策略 |
| 4.6.1 定制化数据挖掘服务模式适用范围 |
| 4.6.2 定制化数据挖掘服务模式实施策略 |
| 4.7 本章小结 |
| 第5章 大数据联盟智能化数据挖掘服务模式 |
| 5.1 大数据联盟智能化数据挖掘服务模式整体架构 |
| 5.2 大数据联盟智能化数据挖掘服务内容与定价 |
| 5.2.1 大数据联盟智能化数据挖掘服务内容 |
| 5.2.2 大数据联盟智能化数据挖掘服务定价方法 |
| 5.3 大数据联盟智能化数据挖掘服务过程 |
| 5.3.1 混合型需求的知识表示 |
| 5.3.2 数据挖掘服务智能检索 |
| 5.3.3 服务重用与调整 |
| 5.3.4 智能化数据挖掘服务交付 |
| 5.3.5 服务知识学习与案例存储 |
| 5.4 大数据联盟智能化数据挖掘服务方式 |
| 5.4.1 智能交互的委托式服务方式 |
| 5.4.2 智慧协同的跟进式服务方式 |
| 5.5 大数据联盟智能化数据挖掘服务实现保障 |
| 5.5.1 多案例经验集成保障 |
| 5.5.2 群体智能保障 |
| 5.6 智能化数据挖掘服务模式适用范围及实施策略 |
| 5.6.1 智能化数据挖掘服务模式适用范围 |
| 5.6.2 智能化数据挖掘服务模式实施策略 |
| 5.7 本章小结 |
| 第6章 ZWJ大数据联盟数据挖掘服务模式 |
| 6.1 ZWJ大数据联盟背景及概况 |
| 6.1.1 ZWJ大数据联盟背景 |
| 6.1.2 ZWJ大数据联盟成员类型 |
| 6.2 ZWJ大数据联盟数据挖掘服务平台及内容 |
| 6.2.1 ZWJ大数据联盟数据挖掘服务平台 |
| 6.2.2 ZWJ大数据联盟数据挖掘服务内容 |
| 6.3 ZWJ大数据联盟标准化数据挖掘服务 |
| 6.3.1 用户A的共性化需求描述 |
| 6.3.2 标准化数据挖掘服务搜索 |
| 6.3.3 标准化数据挖掘服务交付 |
| 6.4 ZWJ大数据联盟定制化数据挖掘服务 |
| 6.4.1 用户B的个性化需求描述 |
| 6.4.2 联盟成员服务能力挖掘 |
| 6.4.3 联盟成员数据资源准备 |
| 6.4.4 数据挖掘模型选择与评估 |
| 6.4.5 定制化数据挖掘服务交付 |
| 6.5 ZWJ大数据联盟智能化数据挖掘服务 |
| 6.5.1 用户C的混合型需求知识表示 |
| 6.5.2 数据挖掘服务智能检索 |
| 6.5.3 服务调整与交付 |
| 6.5.4 服务知识学习与存储 |
| 6.6 ZWJ大数据联盟数据挖掘服务模式实施效果与提升策略 |
| 6.6.1 ZWJ大数据联盟数据挖掘服务模式实施效果 |
| 6.6.2 ZWJ大数据联盟数据挖掘服务模式改进措施 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的科研项目 |
| 致谢 |
（2）基于主题模型的经济犯罪智能检索方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 主题模型的现状分析 |
| 1.2.2 智能检索的现状分析 |
| 1.2.3 存在的技术问题 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 基于主题模型的智能信息检索框架设计 |
| 2.1 经济犯罪信息的智能检索基本思路 |
| 2.1.1 经济犯罪智能检索业务分析 |
| 2.1.2 目前存在的问题 |
| 2.1.3 智能检索框架设计的基本思路 |
| 2.2 基于主题模型的智能检索总体框架结构 |
| 2.3 检索模型的选择 |
| 2.3.1 向量空间模型(VSM) |
| 2.3.2 潜在语义分析模型(LSA) |
| 2.3.3 概率潜在语义分析模型(PLSA) |
| 2.3.4 潜在狄利克雷分配模型(LDA) |
| 2.4 本章小结 |
| 第三章 融合经济犯罪特征的主题模型设计 |
| 3.1 经济犯罪信息的获取与预处理 |
| 3.1.1 经济犯罪信息的爬虫设计 |
| 3.1.2 中文分词 |
| 3.1.3 去除停用词 |
| 3.1.4 文本表示 |
| 3.2 经济犯罪信息的文档主题模型的构建 |
| 3.2.1 模型的输入与基本假设 |
| 3.2.2 主题模型建模 |
| 3.2.3 模型参数的估计方法 |
| 3.3 实验设置与结果 |
| 3.3.1 数据集与预处理 |
| 3.3.2 评估指标 |
| 3.3.3 最优主题数与迭代次数的确定 |
| 3.3.4 实验结果 |
| 3.4 本章小结 |
| 第四章 基于主题模型的智能检索方法研究 |
| 4.1 文本聚类方法研究 |
| 4.1.1 基于bagging的聚类算法 |
| 4.1.2 聚类的有效性评价 |
| 4.2 基于经济犯罪领域本体的语义检索方法 |
| 4.2.1 本体检索方案的基本思路 |
| 4.2.2 经济犯罪领域本体的构建方法 |
| 4.2.3 基于本体的查询扩展方法 |
| 4.2.4 本体的持久化方法 |
| 4.3 检索结果的排序方法 |
| 4.4 实验设置与结果分析 |
| 4.4.1 文档聚类实验结果 |
| 4.4.2 本体库的构建实验 |
| 4.5 本章小结 |
| 第五章 经济犯罪智能检索系统的设计与实现 |
| 5.1 经济犯罪智能检索系统介绍 |
| 5.1.1 开发环境 |
| 5.1.2 系统数据库设计 |
| 5.1.3 智能检索系统框架 |
| 5.1.4 系统功能模块设计 |
| 5.2 系统测试及运行效果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 作者简介、发表文章及研究成果目录 |
| 致谢 |
（3）面向E-learning3.0的学习者模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关研究现状 |
| 1.2.1 学习者模型研究现状 |
| 1.2.2 本体融合研究现状 |
| 1.3 论文的研究目标和内容 |
| 1.3.1 研究目标与思路 |
| 1.3.2 主要的研究内容 |
| 1.4 论文的组织结构 |
| 第二章 E-learning3.0 的生态框架及相关理论与技术 |
| 2.1 E-learning3.0 的生态框架 |
| 2.2 相关理论 |
| 2.2.1 生态学理论 |
| 2.2.2 联通主义理论 |
| 2.2.3 分布式认知理论 |
| 2.3 相关技术 |
| 2.3.1 语义网络 |
| 2.3.2 智能协同过滤 |
| 2.4 本章小结 |
| 第三章 融合关系特征的学习者模型 |
| 3.1 学习者模型概念 |
| 3.1.1 学习者模型概念的界定 |
| 3.1.2 学习者模型的分类及作用 |
| 3.2 融合关系模型的学习者模型 |
| 3.2.1 学习者模型的特征选择 |
| 3.2.2 学习者特征的形式化描述 |
| 3.3 学习者关系模型的标准化表示 |
| 3.3.1 学习者模型的表示 |
| 3.3.2 学习者关系模型的详细表示 |
| 3.4 本章小结 |
| 第四章 学习者模型的构建 |
| 4.1 本体模型 |
| 4.1.1 本体的类型 |
| 4.1.2 元建模 |
| 4.2 本体融合 |
| 4.2.1 本体融合的概述 |
| 4.2.2 本体融合的思想 |
| 4.3 基于本体融合的学习者模型的构建 |
| 4.3.1 本体融合流程 |
| 4.3.2 准备阶段 |
| 4.3.3 预处理阶段 |
| 4.3.4 融合阶段 |
| 4.3.5 演化与后处理阶段 |
| 4.4 本章小结 |
| 第五章 学习者模型应用的探索 |
| 5.1 学习者模型的应用 |
| 5.2 智能信息检索 |
| 5.2.1 智能信息检索概述 |
| 5.2.2 智能信息检索系统的构建 |
| 5.2.3 智能信息服务流程 |
| 5.3 学习者信息推理 |
| 5.3.1 推理工具Jena |
| 5.3.2 推理机 |
| 5.3.3 推理规则制定 |
| 5.4 智能信息服务 |
| 5.5 本章小结 |
| 第六章 原型系统设计与实现 |
| 6.1 总体设计 |
| 6.1.1 系统开发环境 |
| 6.1.2 系统体系结构图 |
| 6.1.3 系统功能模块图 |
| 6.2 详细设计 |
| 6.2.1 系统详细设计用例图 |
| 6.2.2 主要功能详细流程设计 |
| 6.2.3 系统动态结构设计 |
| 6.3 原型系统实现 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（4）基于语义Web的旅游路线个性化定制系统（论文提纲范文）
| 1 概述 |
| 2 相关研究 |
| 3 系统架构 |
| 3.1 人机交互模块 |
| 3.2 自然语言预处理模块 |
| 3.3 个性化推荐模块 |
| 3.4 旅游领域本体模块 |
| 3.5 用户个性化本体模块 |
| 4 旅游路线个性化定制 |
| 4.1 旅游景点领域本体知识库构建 |
| 4.1.1 核心类层次结构 |
| 4.1.2 属性关联结构 |
| 4.1.3 实例分析 |
| 4.1.4 本体实例填充 |
| 4.2 景点关联扩展 |
| 4.2.1 相似景点关联实现 |
| 4.2.2 路线匹配关联实现 |
| 4.3 时空关联查询算法实现 |
| 4.3.1 时间旅游路线扩展算法描述 |
| 4.3.2 空间旅游路线扩展算法描述 |
| 4.4 基于语义的用户个性化建模 |
| 4.4.1 基于本体的用户兴趣模型表示 |
| 4.4.2 本体用户兴趣模型的应用 |
| 5 系统实现和实验分析 |
| 5.1 系统实现 |
| 5.2 实验分析 |
| 5.2.1 景点关联分析 |
| 5.2.2 系统性能分析 |
| 5.2.3 系统可用性评估 |
| 6 结束语 |
（5）农民现代远程教育个性化学习关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略表 |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 研究背景、目的和意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究目的 |
| 1.2.3 研究意义 |
| 1.3 研究现状 |
| 1.3.1 农民现代远程教育研究现状 |
| 1.3.2 个性化服务技术研究现状 |
| 1.4 研究的主要内容和方法 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究方法和技术路线 |
| 1.5 论文组织结构 |
| 第二章 个性化学习理论和方法 |
| 2.1 领域本体构建技术 |
| 2.2 用户兴趣模型构建技术 |
| 2.3 个性化推荐技术 |
| 2.4 计算机相关技术 |
| 2.4.1 软件工程技术 |
| 2.4.2 数据库技术 |
| 2.4.3 J2EE架构 |
| 2.5 本章小结 |
| 第三章 远程教育个性化学习系统框架研究 |
| 3.1 个性化学习服务 |
| 3.1.1 个性化学习概述 |
| 3.1.2 个性化学习特征 |
| 3.1.3 个性化学习技术 |
| 3.2 个性化学习总体框架 |
| 3.2.1 个性化学习层次结构 |
| 3.2.2 个性化学习的主要功能介绍 |
| 3.3 本章小结 |
| 第四章 农民远程教育视频教学资源领域本体研究与构建 |
| 4.1 本体概述 |
| 4.1.1 本体的基本概念 |
| 4.1.2 本体分类 |
| 4.2 本体的构建 |
| 4.2.1 本体描述语言 |
| 4.2.2 本体构建的一般方法 |
| 4.2.3 本体实现工具 |
| 4.3 农民远程教育视频教学资源领域本体构建 |
| 4.3.1 领域本体的构建过程 |
| 4.3.2 远程教育视频教学资源的基本情况 |
| 4.3.3 远程教育教学资源领域本体构建 |
| 4.4 本章小结 |
| 第五章 个性化用户兴趣模型研究与构建 |
| 5.1 用户个性化兴趣模型表示方法 |
| 5.1.1 关键词列表方法 |
| 5.1.2 案例表示方法 |
| 5.1.3 向量空间模型表示方法 |
| 5.1.4 基于神经网络的用户模型表示方法 |
| 5.1.5 基于本体的用户兴趣模型表示方法 |
| 5.2 用户兴趣建模技术 |
| 5.2.1 用户定制建模 |
| 5.2.2 示例建模 |
| 5.2.3 自动建模 |
| 5.3 用户模型的学习方法 |
| 5.3.1 朴素贝叶斯方法 |
| 5.3.2 Rocchio算法 |
| 5.3.3 基于遗忘函数的用户模型学习方法 |
| 5.4 农民远程教育用户兴趣模型的构建 |
| 5.4.1 基于本体用户兴趣模型的优势 |
| 5.4.2 农民远程教育用户兴趣模型构建 |
| 5.5 用户兴趣模型概念兴趣度计算 |
| 5.5.1 模型更新 |
| 5.5.2 教学资源兴趣度在用户模型层数树中的更新方式 |
| 5.5.3 用户兴趣模型的更新方式 |
| 5.6 本章小结 |
| 第六章 农民远程教育个性化学习推荐技术研究 |
| 6.1 推荐系统相关理论与技术 |
| 6.1.1 信息搜索技术 |
| 6.1.2 关联规则推荐 |
| 6.1.3 基于内容的推荐技术 |
| 6.1.4 协同过滤推荐技术 |
| 6.2 个性化推荐系统存在主要问题 |
| 6.3 主要的相似度计算方法 |
| 6.4 基于协同过滤推荐技术的远程教育个性化学习研究 |
| 6.4.1 算法设计思路 |
| 6.4.2 算法设计流程 |
| 6.4.3 用户基本属性信息和感兴趣主题相似度计算方法 |
| 6.4.4 基于近邻用户的协同过滤推荐方法 |
| 6.4.5 实验验证 |
| 6.5 基于序列分析的个性化推荐算法研究 |
| 6.5.1 序列分析算法 |
| 6.5.2 远程教育个性化学习序列推荐整体架构 |
| 6.5.3 基于序列分析的个性化推荐实验设计 |
| 6.6 本章小结 |
| 第七章 农民远程教育个性化学习原型系统实现 |
| 7.1 系统设计目标与原则 |
| 7.2 系统开发环境 |
| 7.3 系统整体架构 |
| 7.4 系统的功能设计 |
| 7.5 数据库设计 |
| 7.6 原型设计 |
| 7.6.1 个性化推荐模块 |
| 7.6.2 学习需求反馈模块 |
| 7.6.3 学习计划管理模块 |
| 7.6.4 学习档案管理模块 |
| 7.6.5 个性化专题管理模块 |
| 7.6.6 个性化学习后台管理模块 |
| 7.6.7 用户信息管理模块 |
| 7.7 用户使用满意度调研与测评 |
| 7.8 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文研究总结 |
| 8.2 研究创新性 |
| 8.3 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历 |
（6）国内基于本体的用户兴趣建模研究进展（下）——模型管理（论文提纲范文）
| 1 基于本体的用户兴趣建模研究进展 |
| 1. 1 模型表示 |
| 1. 2 模型初始化 |
| 1. 3 模型进化 |
| 2 结束语 |
（7）国内基于本体的用户兴趣建模研究进展（上）——基础、框架与应用（论文提纲范文）
| 1 基于本体的用户兴趣建模简介 |
| 1.1 内涵 |
| 1.2 核心内容 |
| 2 基于本体的用户兴趣建模研究进展 |
| 2.1 建模思路和总体架构 |
| 2.1.1 建模思路 |
| 2.1.2 总体架构 |
| 2.1.3 建模过程 |
| 2.2 模型应用 |
| 2.2.1 应用形式 |
| 2.2.2 语义相似度计算 |
| 2.3 本体构建 |
| 2.3.1 领域本体构建 |
| 2.3.2 用户兴趣本体获取 |
| 2.3.3 校正本体获取和归并 |
| 2.4 模型测评与存储 |
| 2.4.1 用户兴趣模型测评 |
| 2.4.2 用户兴趣模型存储 |
| 2.5 其他研究 |
| 3 结束语 |
（8）数字图书馆的用户偏好模型及个性化推荐研究（论文提纲范文）
| 摘要 |
| Abstract |
| 图索引 |
| 表索引 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状分析 |
| 1.2.1 数字图书馆 |
| 1.2.2 本体 |
| 1.2.3 数据挖掘 |
| 1.2.4 数字图书馆的个性化推荐 |
| 1.3 研究内容 |
| 1.4 本文的组织结构 |
| 第二章 数字图书馆的相关技术 |
| 2.1 引言 |
| 2.2 本体 |
| 2.2.1 本体的定义 |
| 2.2.2 本体的分类 |
| 2.2.3 本体的建模原语 |
| 2.2.4 本体描述语言OWL |
| 2.3 概念格 |
| 2.3.1 概念格概述 |
| 2.3.2 概念格的定义与性质 |
| 2.4 关联规则 |
| 2.5 本章小结 |
| 第三章 数字图书馆的偏好模型和个性化推荐的需求及解决方案 |
| 3.1 引言 |
| 3.2 数字图书馆的需求 |
| 3.2.1 数字图书馆的检索需求 |
| 3.2.2 偏好模型的研究需求 |
| 3.2.3 数字图书馆的个性化推荐需求 |
| 3.3 本文研究的解决方案和整体框架 |
| 3.3.1 分发模式研究的整体思路 |
| 3.3.2 偏好模型研究的整体思路 |
| 3.3.3 个性化推荐研究的整体思路 |
| 3.4 本章小结 |
| 第四章 数字图书馆的用户偏好模型 |
| 4.1 引言 |
| 4.2 数字图书馆的用户偏好模型 |
| 4.3 基于中图法本体的一级推荐子模型(Ⅰ-Profile模型) |
| 4.3.1 中图法分类本体 |
| 4.3.2 基于概念格图书学科特性挖掘对学科树的补充 |
| 4.3.3 一级推荐子模型Ⅰ-Profile的形式化表达 |
| 4.4 基于向量空间模型的二级推荐子模型(Ⅱ-Profile模型) |
| 4.4.1 Ⅱ-Profile子模型的结构 |
| 4.4.2 实例 |
| 4.5 子模型Ⅰ-Profile和Ⅱ-Profile的融合 |
| 4.5.1 算法 |
| 4.5.2 实例 |
| 4.6 用户偏好的群特征 |
| 4.6.1 用户模型运算 |
| 4.6.2 用户模型的相似度 |
| 4.7 本章小结 |
| 第五章 数字图书馆的推荐策略 |
| 5.1 引言 |
| 5.2 直接基于偏好模型的图书推荐策略 |
| 5.2.1 基于一级推荐子模型Ⅰ-Profile的推荐 |
| 5.2.2 基于二级推荐子模型Ⅱ-Profile的推荐 |
| 5.3 基于偏好模型相似度的图书协同推荐策略 |
| 5.3.1 获取目标用户的最近邻居 |
| 5.3.2 计算协同推荐值 |
| 5.3.3 实例 |
| 5.4 基于偏好模型的图书配置策略 |
| 5.4.1 图书配置的偏好模型结构 |
| 5.4.2 获取图书的最近邻居 |
| 5.4.3 确定图书的配置比例 |
| 5.4.4 实例 |
| 5.5 数字图书馆的其他推荐策略 |
| 5.5.1 基于用户的图书协同推荐策略 |
| 5.5.2 概念格在图书协同推荐中的应用 |
| 5.6 本章小结 |
| 第六章 原型系统的实现 |
| 6.1 引言 |
| 6.2 系统框架 |
| 6.3 软硬件环境 |
| 6.4 系统功能 |
| 6.5 原型系统的执行序列 |
| 6.6 实验数据 |
| 6.7 表结构设计 |
| 6.8 系统运行实例 |
| 6.9 本章小结 |
| 第七章 结论 |
| 7.1 研究总结和创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 项目致谢 |
| 致谢 |
（9）分布式农业科技信息共享关键技术研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 分布式数据集成技术 |
| 1.3.2 农业本体技术 |
| 1.3.3 个性化信息服务技术 |
| 1.4 研究的主要内容和方法 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究方法和技术路线 |
| 1.5 拟解决的关键问题 |
| 第二章 分布式信息共享方法与理论 |
| 2.1 常用的异构信息集成方法 |
| 2.1.1 联邦数据库法 |
| 2.1.2 数据仓库法 |
| 2.1.3 中间件法 |
| 2.2 元数据和元数据标准 |
| 2.2.1 元数据的内涵 |
| 2.2.2 元数据的内容及特征 |
| 2.2.3 元数据的作用 |
| 2.2.4 主要的元数据标准 |
| 2.3 主题法与农业本体 |
| 2.3.1 主题法与分类法 |
| 2.3.2 农业本体 |
| 2.4 相关计算机技术 |
| 2.4.1 XML 技术 |
| 2.4.2 Microsoft.NET |
| 2.4.3 Web Services |
| 2.5 本章小结 |
| 第三章 分布式农业科技信息共享的框架研究 |
| 3.1 分布式农业科技信息共享的架构设计 |
| 3.1.1 基于中间件法的分布式农业科技信息集成架构 |
| 3.1.2 分布式农业科技信息智能检索的逻辑架构 |
| 3.1.3 分布式农业科技信息智能检索的功能架构 |
| 3.2 分布式农业科技信息共享的关键技术与方法 |
| 3.2.1 分布式农业科技信息整合支撑技术 |
| 3.2.2 基于本体的农业异构数据源检索技术 |
| 3.2.3 基于用户模型的个性化检索及推送技术 |
| 3.3 本章小结 |
| 第四章 分布式农业科技信息资源整合支撑技术 |
| 4.1 基于中间件法的分布式信息集成技术 |
| 4.2 基于元数据的农业科技信息资源描述技术 |
| 4.2.1 元数据标准 |
| 4.2.2 元数据抽取 |
| 4.2.3 元数据管理 |
| 4.3 农业领域本体的建立 |
| 4.3.1 本体中领域词语数据来源 |
| 4.3.2 领域本体建立技术 |
| 4.4 本章小结 |
| 第五章 基于本体的农业异构数据源检索技术 |
| 5.1 农业分布式异构数据源搜索整体构架 |
| 5.2 基于农业本体的查询扩展 |
| 5.2.1 查询扩展流程 |
| 5.2.2 农业领域词典的构造 |
| 5.2.3 基于农业领域词典的中文分词技术 |
| 5.2.4 基于农业领域本体的语义扩展技术 |
| 5.3 农业分布式异构数据源查询优化 |
| 5.3.1 农业分布式异构数据库查询优化 |
| 5.3.2 农业信息网站查询优化 |
| 5.4 本章小结 |
| 第六章 基于用户模型的个性化检索和推送技术 |
| 6.1 用户模型的建立 |
| 6.1.1 自动用户建模 |
| 6.1.2 人工用户建模 |
| 6.2 基于角色的访问控制 |
| 6.2.1 基于农业信息资源的角色划分 |
| 6.2.2 基于资源的角色访问控制 |
| 6.3 基于用户需求驱动的农业信息资源推送技术 |
| 6.3.1 基于访问次数的用户兴趣度统计 |
| 6.3.2 基于访问热度的农业信息资源推送 |
| 6.4 个性化检索技术 |
| 6.4.1 个性化农业信息智能检索技术 |
| 6.4.2 用户历史记录浏览 |
| 6.5 本章小结 |
| 第七章 基于西藏农业科技信息资源共享的案例设计与实现 |
| 7.1 西藏农业科技信息资源利用现状 |
| 7.1.1 西藏农业科技信息系统分布现状 |
| 7.1.2 分布式农业科技信息智能检索及信息共享平台访客人群及访问目的分析 |
| 7.1.3 分布式农业科技信息智能检索及信息共享平台的建设目的 |
| 7.2 西藏分布式农业科技信息智能检索及信息共享平台的计算机实现 |
| 7.2.1 平台设计原则 |
| 7.2.2 平台运行环境 |
| 7.2.3 平台主要功能模块 |
| 7.3 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于本体的农业科技信息用户建模系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究方法 |
| 1.2.1 用户模型提供个性化服务 |
| 1.2.2 引入本体提供语义描述 |
| 1.3 研究现状 |
| 1.4 研究内容 |
| 1.5 论文结构 |
| 第二章 本体论相关理论 |
| 2.1 本体基本理论 |
| 2.1.1 本体的概念 |
| 2.1.2 本体的类型 |
| 2.2 语义网中语言的层次 |
| 2.2.1 从HTML 到XML |
| 2.2.2 从XML 到RDF |
| 2.2.3 从RDF 到OWL |
| 2.2.4 三者的比较 |
| 2.3 农业本体的发展 |
| 2.3.1 农业本体的定义 |
| 2.3.2 FAO 农业本体的发展 |
| 2.3.3 国内农业本体的发展 |
| 第三章 用户建模相关理论 |
| 3.1 用户建模基本理论 |
| 3.1.1 用户模型描述对象 |
| 3.1.2 用户模型构建方法 |
| 3.1.3 用户知识表示方法 |
| 3.1.4 用户模型分类 |
| 3.2 用户模型学习理论 |
| 3.2.1 用户模型知识获取的方式 |
| 3.2.2 用户偏好学习信息的来源 |
| 3.2.3 用户模型更新的学习方法 |
| 3.2.4 用户模型学习的技术 |
| 3.2.5 文本相似度算法 |
| 3.3 用户建模方法现状 |
| 3.4 基于本体的用户建模 |
| 3.4.1 国外基于本体的用户建模 |
| 3.4.2 国内基于本体的用户建模 |
| 3.4.3 与其他用户建模技术比较 |
| 3.5 用户建模的应用 |
| 3.5.1 网页 |
| 3.5.2 电子商务 |
| 3.5.3 数字图书馆 |
| 3.5.4 个人助手Agent |
| 第四章 自动标注相关理论 |
| 4.1 标注的概念 |
| 4.2 传统网络标注 |
| 4.3 大众标注 |
| 4.3.1 大众标注简介 |
| 4.3.2 社会性书签工具 |
| 4.3.3 大众标注分析 |
| 4.4 语义标注 |
| 4.4.1 语义Web 标注 |
| 4.4.2 Web 服务语义标注 |
| 4.4.3 自动语义标注 |
| 4.4.4 语义标注工具 |
| 4.5 标注方法比较 |
| 4.6 标注方法评价 |
| 4.7 汉语自然语言分词 |
| 4.7.1 汉语词法分析系统 |
| 4.7.2 改进的ICTCLAS |
| 第五章 用户建模系统设计 |
| 5.1 系统基本原理 |
| 5.1.1 从检索记录中推断用户知识结构 |
| 5.1.2 利用本体完整表达用户知识结构的困难 |
| 5.1.3 利用本体建立用户模型的实际情况 |
| 5.1.4 从检索记录获取用户知识 |
| 5.2 系统设计方案 |
| 5.2.1 标注文献内容，匹配本体概念 |
| 5.2.2 建立用户模型，表达用户偏好 |
| 5.2.3 排除词汇歧义，改善检索结果 |
| 5.3 研究技术路线图 |
| 5.4 系统各模块分析 |
| 5.4.1 提取文献信息 |
| 5.4.2 预处理原文献 |
| 5.4.3 构建用户模型 |
| 5.4.4 重排检索结果 |
| 第六章 用户建模系统实现 |
| 6.1 系统简介 |
| 6.2 原始数据的处理 |
| 6.2.1 原始数据的介绍 |
| 6.2.2 原始数据的分析 |
| 6.3 系统数据库结构 |
| 6.4 系统各模块实现 |
| 6.4.1 检索结果采集模块 |
| 6.4.2 检索结果预处理模块 |
| 6.4.3 用户模型构建模块 |
| 6.4.4 检索结果重排序模块 |
| 6.5 实验结果比较 |
| 第七章 结论与展望 |
| 7.1 总结与创新点 |
| 7.2 进一步研究方向 |
| 7.2.1 划分标注段落与选择知识领域 |
| 7.2.2 合并本体下位概念频率相似度 |
| 7.2.3 利用时间遗忘机制处理兴趣漂移 |
| 参考文献 |
| 致谢 |
| 作者简历 |
四、智能检索中基于本体的个性化用户建模技术及应用（论文参考文献）
- [1]大数据联盟数据挖掘服务模式研究[D]. 邢海龙. 哈尔滨理工大学, 2020(01)
- [2]基于主题模型的经济犯罪智能检索方法研究[D]. 李霄野. 东北石油大学, 2019(01)
- [3]面向E-learning3.0的学习者模型研究[D]. 邹晨红. 东北石油大学, 2019(01)
- [4]基于语义Web的旅游路线个性化定制系统[J]. 姬鹏飞,李远刚,卢盛祺,戴开宇. 计算机工程, 2016(10)
- [5]农民现代远程教育个性化学习关键技术研究[D]. 赵继春. 中国农业科学院, 2016(01)
- [6]国内基于本体的用户兴趣建模研究进展（下）——模型管理[J]. 孙雨生. 情报理论与实践, 2015(01)
- [7]国内基于本体的用户兴趣建模研究进展（上）——基础、框架与应用[J]. 孙雨生. 情报理论与实践, 2014(12)
- [8]数字图书馆的用户偏好模型及个性化推荐研究[D]. 李新广. 武汉大学, 2011(04)
- [9]分布式农业科技信息共享关键技术研究与应用[D]. 杨晓蓉. 中国农业科学院, 2011(10)
- [10]基于本体的农业科技信息用户建模系统研究[D]. 张瑜. 中国农业科学院, 2009(10)