基于Web挖掘的個性化信息推薦

前言

知識，作為社會經(jīng)濟活動的基本要素，已成為社會經(jīng)濟發(fā)展的基本資源和根本動力，人類因此進入知識經(jīng)濟和知識社會的新時代。但是，新的知識環(huán)境在促進社會發(fā)展和人類進步的同時，也讓我們置身于知識生態(tài)的重重矛盾之中：一方面知識存量激增，并呈爆炸性增長；另一方面知識稀缺嚴重，人們生活在知識的海洋中，卻難以獲得所需要的知識。一方面知識產(chǎn)生速度加快，新知識源源不斷；另一方面知識老化加速，知識更新周期縮短。一方面知識廣泛傳播，互聯(lián)網(wǎng)絡提供了知識傳播的新途徑，跨越了知識擴散的時空障礙；另一方面數(shù)字鴻溝日趨明顯，城鄉(xiāng)差距、地區(qū)差異、人群差別影響知識的擴散。因此，如何有效地管理和開發(fā)利用知識資源，更好地滿足人們?nèi)找嬖鲩L和迫切的知識需求，是人類自我完善和自我發(fā)展的需要，更是推動知識創(chuàng)新與知識經(jīng)濟發(fā)展的前提和基礎，是社會全面協(xié)調(diào)和科學發(fā)展的關鍵。知識管理與知識服務誕生于知識經(jīng)濟逐漸興起、信息技術飛速發(fā)展、商業(yè)競爭日益加劇的環(huán)境中，廣泛融合了信息科學、管理學、圖書情報學等多學科理論與方法，形成了以“知識”為核心和研究對象的一個新的跨學科研究領域。從管理學視角，知識管理是將組織可獲得的各種來源的信息轉(zhuǎn)化為知識，并將知識與人聯(lián)系起來的過程，強調(diào)對顯性知識和隱性知識的管理與共享，利用集體的智慧提高組織的應變和創(chuàng)新能力；而知識服務是知識管理領域的演變進化，是隨知識管理發(fā)展而延伸的概念，是新興的服務科學、管理和工程學科（SSME）的重要分支。從圖書情報視角，知識管理是信息管理的進一步發(fā)展，知識服務是信息服務的深化與拓展，知識服務的功能應建立在信息管理和知識管理的基礎之上，以滿足用戶的知識需求和實現(xiàn)知識增值為目標。因此，知識管理是知識服務的基礎，知識服務是知識管理的延伸，也是知識管理實現(xiàn)知識創(chuàng)新目標的有效途徑。知識管理與知識服務也逐漸成為圖書情報學、管理學和信息科學等多學科關注的重要領域和研究熱點。

內(nèi)容概要

基于Web挖掘的個性化信息推薦是解決當前互聯(lián)網(wǎng)“信息過載”問題的重要手段之一。本書在繼承國內(nèi)外相關研究成果的基礎上，建立了基于Web挖掘的個性化信息推薦模型，并構建了語法層次、語義層次和語用層次的個性化信息推薦方法體系。然后，從語法層次的角度，利用Web使用挖掘方法研究了Web用戶偏好分析與推薦問題，并借鑒復雜網(wǎng)絡中的社團結(jié)構劃分方法，提出了基于網(wǎng)絡書簽的個性化信息推薦方法；從語義層次的角度，提出了基于Web文本挖掘的推薦規(guī)則獲取與匹配方法，分析了基于Web領域本體的個性化信息推薦方法，研究了基于社會化標簽的Web用戶興趣建模方法；從語用層次的角度，利用用戶反饋和貝葉斯網(wǎng)絡理論討論了Web用戶效用函數(shù)的構建方法。    本書內(nèi)容豐富、應用性強，可供信息管理、計算機應用等領域從事相關研究的專家學者、工程技術人員及高等院校相關專業(yè)教師、研究生參考使用。

作者簡介

易明,1978年生，湖北黃岡人。華中科技大學管理科學與工程專業(yè)博士，武漢大學圖書館、情報與檔案管理在站博士后。華中師范大學信息管理系副教授，情報學專業(yè)碩士生導師。主要從事web挖掘與信息服務、社會網(wǎng)絡與知識管理等領域的研究。主持教育部人文社會科學研究青年基金項目1項、全國高等學校教學研究中心項目1項，參加國家級、省部級項目6項。主編出版《客戶關系管理》、《電子商務概論》等教材。在《中國圖書館學報》、《情報學報》，《中國管理科學》、《圖書情報工作》、《情報科學》、《現(xiàn)代圖書情報技術》等國內(nèi)刊物公開發(fā)表論文30余篇，l收錄1篇，ISTP收錄3篇。編者簡介：王偉軍,華中師范大學教授、博士生導師?，F(xiàn)任華中師范大學信息管理系副主任；華中師范大學教學委員會委員、學位評定委員會管理學分會委員、知識管理與知識服務研究中心主任；兼任教育部高等學校圖書館學科教學指導委員會委員，中國索引學會常務理事，中國社會科學情報學會理事，中國信息經(jīng)濟學會電子商務專業(yè)委員會副秘書長，湖北省電子商務學會常務理事、副秘書長，湖北省信息學會常務理事；《情報科學》、《評價與管理》、《湖北信息化》等雜志的編委和《情報資料工作》學術指導委員會委員；曾擔任第七屆IFIP電子商務、電子服務與電子社會（13E2007）國際會議主席。2007年入選教育部新世紀優(yōu)秀人才支持計劃。一直從事信息資源管理、知識管理與知識服務，電子商務等領域的教學和研究工作；公開發(fā)表學術論文80余篇，出版著作嘟（含合著）；近5年來，主持或參與國家自然科學基金、國家社會科學基金，國家“863”計劃、教育部高等學校學科創(chuàng)新引智計劃、教育部人文社會科學研究和武漢市社會科學基金等10多項課題；曾榮獲湖北省社會科學優(yōu)秀成果一等獎和三等獎、湖北省自然科學優(yōu)秀學術論文三等獎，第六屆全國多媒體課件大賽優(yōu)秀獎、武漢市社會科學優(yōu)秀科研成果獎等多項獎勵。

書籍目錄

總序序前言第1章  緒論  1.1  本書研究背景  1.2  本書研究目的與意義    1.2.1  本書研究目的    1.2.2  本書研究意義  1.3  國內(nèi)外研究現(xiàn)狀    1.3.1  Web挖掘研究現(xiàn)狀    1.3.2  個性化信息推薦研究現(xiàn)狀  1.4  本書研究內(nèi)容與方法    1.4.1  本書研究內(nèi)容    1.4.2  本書的研究方法第2章  研究對象及問題界定  2.1  數(shù)據(jù)挖掘與Web挖掘    2.1.1  數(shù)據(jù)挖掘    2.1.2  Web挖掘  2.2  個性化與個性化信息推薦    2.2.1  個性化相關概念    2.2.2  個性化信息推薦  2.3  基于Web挖掘的個性化信息推薦流程    2.3.1  數(shù)據(jù)輸入    2.3.2  數(shù)據(jù)預處理    2.3.3  模式分析    2.3.4  在線推薦第3章  基于Web挖掘的個性化信息推薦機理  3.1  全信息理論與信息過程模型    3.1.1  全信息理論    3.1.2  信息過程模型  3.2  基于全信息的“點擊流”信息運動過程模型    3.2.1  “點擊流”的含義    3.2.2  “點擊流”信息的層次    3.2.3  “點擊流”信息運動過程模型  3.3  “點擊流”信息運動視角的個性化信息推薦模型    3.3.1  “點擊流”信息獲取——捕獲Web用戶點擊行為    3.3.2  “點擊流”信息認知——提取Web用戶點擊行為模式    3.3.3  “點擊流”信息再生——產(chǎn)生個性化信息推薦策略    3.3.4  “點擊流”信息施效——實施個性化信息推薦策略  3.4  基于Web挖掘的個性化信息推薦的方法體系    3.4.1  語法層次的個性化信息推薦方法    3.4.2  語義層次的個性化信息推薦方法    3.4.3  語用層次的個性化信息推薦方法第4章  語法層次的Web用戶偏好分析與推薦  4.1  語法層次的Web用戶偏好分析與推薦框架  4.2  Web交易事務集的提取    4.2.1  數(shù)據(jù)過濾    4.2.2  用戶識別    4.2.3  會話識別    4.2.4  路徑補充  4.3  基于Web交易事務聚類的Web用戶偏好分析    4.3.1  交易事務的表示    4.3.2  交易事務聚類    4.3.3  導出Web使用文檔    4.3.4  生成Web用戶偏好頁面集  4.4  基于頻繁Web頁面集的Web用戶偏好視圖    4.4.1  提取頻繁Web頁面集    4.4.2  生成Web用戶偏好視圖第5章  基于網(wǎng)絡書簽的個性化信息推薦方法  5.1  Web 2.0與網(wǎng)絡書簽    5.1.1  Web 2.0概述    5.1.2  網(wǎng)絡書簽概述  5.2  基于網(wǎng)絡書簽的社團結(jié)構劃分    5.2.1  社團結(jié)構的定義    5.2.2  網(wǎng)絡書簽系統(tǒng)模型    5.2.3  基于CPM算法的社團結(jié)構劃分    5.2.4  實驗分析  5.3  網(wǎng)絡書簽系統(tǒng)中基于社團結(jié)構的個性化信息推薦    5.3.1  社團內(nèi)基于協(xié)作過濾的個性化信息推薦    5.3.2  社團間基于“信息橋”的個性化信息推薦    5.3.3  實驗分析第6章  語義層次的基于Web文本挖掘的推薦規(guī)則獲取與匹配  6.1  基于Web文本挖掘的推薦規(guī)則獲取與匹配模型  6.2  基于向量空間模型的Web文本表示    6.2.1  Web頁面的凈化    6.2.2  Web文本特征粒度的選擇    6.2.3  Web文本特征的提取    6.2.4  Web文本特征的選擇  6.3  基于Web特征詞條聚類的文本挖掘    6.3.1  交易事務的特征詞條表示    6.3.2  基于特征詞條的交易事務聚類    6.3.3  導出Web文本文檔    6.3.4  生成匹配文檔  6.4  Web文本關聯(lián)規(guī)則獲取與匹配    6.4.1  基于關聯(lián)規(guī)則的頻繁Web特征詞條集    6.4.2  生成匹配文檔第7章  整合Web語義知識的個性化信息推薦方法  7.1  整合Web語義知識的個性化信息推薦概述    7.1.1  整合Web語義知識的個性化信息推薦框架    7.1.2  整合Web語義知識的個性化信息推薦方法的優(yōu)勢  7.2  本體的基本理論    7.2.1  本體的概念與特點    7.2.2  本體的分類    7.2.3  本體的建模元語    7.2.4  本體的表示方法  7.3  Web領域本體的構建    7.3.1  本體構建的一般方法    7.3.2  Web領域本體的構建過程  7.4  基于Web領域本體的個性化信息推薦方法    7.4.1  導出語義層次的Web使用文檔    7.4.2  生成個性化推薦Web頁面集第8章  基于社會化標簽的Web用戶興趣建模  8.1  社會化標簽概述    8.1.1  社會化標簽的起源    8.1.2  社會化標簽系統(tǒng)模型    8.1.3  社會化標簽系統(tǒng)的特點與不足  8.2  基于社會化標簽聚類的Web用戶興趣模型    8.2.1  基于社會化標簽的向量空間模型    8.2.2  基于密度聚類的Web用戶興趣模型    8.2.3  實驗分析  8.3  基于社會化標簽網(wǎng)絡的Web用戶興趣模型    8.3.1  社會網(wǎng)絡分析概述    8.3.2  Web用戶的社會化標簽網(wǎng)絡模型    8.3.3  基于SNA的社會化標簽網(wǎng)絡分析    8.3.4  Web用戶興趣建模與個性化信息推薦第9章  語用層次的Web用戶效用函數(shù)構建  9.1  引言    9.1.1  語用層次的個性化信息推薦方法的核心問題    9.1.2  面向此次Web站點訪問的Web用戶效用函數(shù)構建方法  9.2  基于用戶反饋的效用函數(shù)    9.2.1  用戶反饋    9.2.2  基于用戶顯式反饋的效用函數(shù)    9.2.3  基于用戶隱式反饋的效用函數(shù)  9.3  基于貝葉斯網(wǎng)絡學習機制的效用函數(shù)構建    9.3.1  貝葉斯網(wǎng)絡    9.3.2  基于一般Web用戶效用函數(shù)的先驗貝葉斯網(wǎng)絡構建    9.3.3  基于一般Web用戶效用函數(shù)的貝葉斯網(wǎng)絡學習參考文獻后記

章節(jié)摘錄

插圖：美國未來學家奈斯比特說過：我們在信息海洋中淹溺，但卻不得不面臨知識饑渴。這形象地描繪了目前人們在互聯(lián)網(wǎng)時代所處的困境：一方面是日益泛濫的信息，另一方面卻是有用知識的缺失。由此，Web用戶獲取信息的機會成本不斷上升，迫切需要從這些紛繁蕪雜的信息中找到有用知識的工具。鑒于數(shù)據(jù)挖掘的日益成熟和完善，人們自然而然想到要把數(shù)據(jù)挖掘技術應用到Web上來，即將數(shù)據(jù)挖掘的思想和方法應用于Web，利用Web挖掘從Web文檔和Web活動中提取感興趣的、潛在的、有用的模式和隱含信息。Web信息的多樣性決定了Web挖掘的多樣性。根據(jù)處理對象的不同，可以將Web挖掘分為三類：Web內(nèi)容挖掘、Web結(jié)構挖掘和Web使用挖掘。Web內(nèi)容挖掘是指從Web文件的內(nèi)容及其描述中獲取有用信息的過程，可以用于Web頁面特征提取、基于內(nèi)容的Web頁面聚類、Web頁面之間內(nèi)容的關聯(lián)規(guī)則發(fā)現(xiàn)等；Web結(jié)構挖掘是從WWW的組織結(jié)構和鏈接結(jié)構中發(fā)現(xiàn)知識的過程，可用于Web頁面分類，并由此獲得有關不同Web頁面之間相似度及關聯(lián)度的信息，并有助于發(fā)現(xiàn)權威Web站點；Web使用挖掘是從Web站點服務器日志中發(fā)現(xiàn)有用知識和模式的過程。Web站點服務器日志記錄了Web用戶的行為軌跡，分析這些數(shù)據(jù)可以幫助理解Web用戶的行為，從而提供個性化信息服務。3.Web挖掘的復雜性分析相對于面向數(shù)據(jù)庫的數(shù)據(jù)挖掘而言，面向Web的數(shù)據(jù)挖掘要復雜得多，主要表現(xiàn)在以下三個方面。1）Web用戶的復雜性。相對傳統(tǒng)的數(shù)據(jù)庫應用系統(tǒng)而言Web信息系統(tǒng)面對的是一個廣泛的、形形色色的Web用戶群體，幾乎覆蓋了社會的各個領域和階層。然而，每個Web用戶可能有不同的背景、興趣和目的，他們往往對需要挖掘的主題只有一個粗淺的認識，提不出明確的目標。這就需要Web挖掘具有較強的智能性，不斷跟蹤Web用戶的興趣，簡單明了地提供挖掘結(jié)果。2）半結(jié)構化的數(shù)據(jù)源。每個Web站點都是異構的數(shù)據(jù)源，使得整個互聯(lián)網(wǎng)可以看做一個巨大的異構數(shù)據(jù)庫環(huán)境。針對這種數(shù)據(jù)集合進行數(shù)據(jù)挖掘，首先必須解決Web站點之間異構數(shù)據(jù)的集成問題。此外，還要解決Web上的數(shù)據(jù)查詢問題，否則對這些數(shù)據(jù)進行分析、集成、處理就無從談起。由此，就需要定義一個半結(jié)構化數(shù)據(jù)模型，并借助半結(jié)構化模型提取技術，自動從現(xiàn)有數(shù)據(jù)中提取半結(jié)構化模型（劉智等，2001）。

后記

本書是對我的博士學位論文的進一步深化與拓展。在華中科技大學管理學院學習期間，我秉承“明德厚學、求是創(chuàng)新”的校訓，在恩師張金隆教授的嚴格指導下，順利完成學業(yè)并獲益良多。張老師以其淵博的知識、敏銳的學術洞察力和崇尚自由創(chuàng)新的學術思想指引我在廣闊的學術空間自由探索，其嚴謹?shù)闹螌W態(tài)度、認真求實的工作作風、正直謙遜的為人之道無不使我耳濡目染。在學術上，張老師對我諄諄教導，精心培養(yǎng)；在工作和生活上，張老師給予我極大關心和幫助。我博士學位論文的完成，更是傾注了張老師大量的心血和無盡的關懷。論文從選題、構思、撰寫直至最后定稿都得到了張老師的精心指導和熱心幫助。我對張老師的謝意是難以言表的，今后勤奮的工作和良好的業(yè)績可能是對張老師辛勤培養(yǎng)的最好回報。同時我非常感謝我求學生涯的另一位恩師——我碩士階段的導師——華中師范大學信息管理系主任王學東教授。王老師將我引入信息管理科學的殿堂，并為我之后的研究奠定了堅實的基礎。而且，在攻讀博士學位期間，王老師在學習、工作和生活上都給予我極大的支持與幫助。在博士學位論文的選題、撰寫和答辯過程中，武漢大學經(jīng)濟與管理學院譚力文教授，華中科技大學管理學院黎志成教授、蔡淑琴教授、魯耀斌教授、胡斌教授都曾給予我熱情的幫助和指導，在此表示誠摯的謝意！另外，要特別感謝同窗好友——盧新元博士、陳濤博士、張東風博士、謝剛博士、叢國棟博士、周光勇博士、邵祖峰博士、杜育華博士、周濤博士、葉彩虹博士等的無私幫助。衷心感謝《知識管理與知識服務研究》叢書主編王偉軍教授，不僅為本書的出版提供了寶貴的機會，而且在本書的撰寫過程中提出了很多指導性的建議。感謝父母的養(yǎng)育之恩，他們的愛是我前進的動力。同時，深深感謝我的妻子鄧衛(wèi)華女士，她既是我生活中的忠實伴侶，也是我的良師益友，正是她默默無聞的奉獻，才使我順利完成本書的撰寫。

編輯推薦

《基于Web挖掘的個性化信息推薦》由科學出版社出版。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    基于Web挖掘的個性化信息推薦 PDF格式下載

---