97久久综合91精品婷婷,免费www,欧美精品一区二区五区

內(nèi)容簡介

　　信息技術(shù)和網(wǎng)絡的發(fā)展不僅使信息數(shù)量呈幾何級數(shù)增加，表現(xiàn)出“極端數(shù)據(jù)”或“海量數(shù)據(jù)”的特征，進一步導致“Web數(shù)據(jù)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(wǎng)絡（社會化網(wǎng)絡、微博、微信、Twitter等）、新興商務模式（團購、社會化商務等）、智能終端（智能手機等）以及新技術(shù)（泛在計算、物聯(lián)網(wǎng)等）構(gòu)建出了一個網(wǎng)絡和應用無所不在的泛在商務環(huán)境。泛在商務環(huán)境下，網(wǎng)絡信息資源具有多源性、多樣性、海量性和異構(gòu)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征?，F(xiàn)有的信息處理模式已無法適應新興商務環(huán)境下人們研究、學習、創(chuàng)新與決策的要求，主要體現(xiàn)在：（1）傳統(tǒng)的信息組織和檢索方式不適應泛在商務環(huán)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征給用戶需求建模方法提出了更高的要求；（3）傳統(tǒng)的個性化信息推薦系統(tǒng)和相應算法大多是千方百計地關(guān)注于如何提高推薦算法的精確性，而忽略了推薦結(jié)果的多樣性。因此，泛在商務環(huán)境下的信息資源管理需要有新的思路和方法。在泛在商務環(huán)境下，用戶的信息需求與用戶所處的特定情境是密切相關(guān)的，建立基于情境計算的用戶需求模型，進而實現(xiàn)用戶需求與信息資源的智能匹配，并主動為用戶推薦準確多樣的信息資源，是泛在商務環(huán)境下智能信息處理領域值得關(guān)注的研究思路。本書按照“按需聚合、智能推薦”的原則，以提供精準的信息聚合服務和推薦個性化的信息資源為目標，構(gòu)建了適應泛在商務環(huán)境的智能信息處理框架，并以旅游信息檢索為例，開發(fā)泛在旅游信息聚合與推薦原型系統(tǒng)（UTravel）。

作者簡介

　　劉啟華，男，湖北漢川人，國際信息系統(tǒng)協(xié)會會員。2006年畢業(yè)于武漢大學信息管理學院信息管理與信息系統(tǒng)專業(yè)，2011年于武漢大學信息管理學院管理科學與工程專業(yè)獲博士學位。現(xiàn)就職于江西財經(jīng)大學信息管理學院和電子商務江西省高校高水平工程研究中心。主要研究方向為：電子商務理論與應用、移動與泛在商務、個性化推薦系統(tǒng)。主持了國家自然科學基金項目、教育部人文社會科學研究項目、江西省自然科學基金項目、江西省教育廳科技項目等，參加多項國家級、省部級科研項目和橫向課題。近5年來在《Computers in Human Behavior》、《Electronic Library》、《International Journal of Mobile Communications》、《International Journal of Ad HOC and Ubiquitous Computing》、《Program Electronic Library and Information Systems》等國內(nèi)外重要學術(shù)期刊上發(fā)表學術(shù)論文20余篇。

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(lián)網(wǎng)
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(nèi)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(tǒng)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信息聚合及其應用
2.3智能推薦研究綜述
2.3.1傳統(tǒng)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(jié)
３泛在商務環(huán)境下信息聚合與推薦框架
3.1泛在商務環(huán)境下信息資源的特性
3.2泛在商務環(huán)境下信息服務的特征
3.3泛在商務環(huán)境下信息聚合與推薦框架
3.3.1基于情境計算的用戶需求模型
3.3.2基于主題模型的信息按需聚合
3.3.3基于興趣社區(qū)和信任鄰居的個性化推薦
3.4本章小結(jié)
４基于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日志挖掘
4.1.4多關(guān)系決策樹
4.2基于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(jié)
５基于主題模型的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(fā)展歷史
5.1.3LDA模型
5.2基于LDA的Web文本信息按需聚合
5.2.1基本思路
5.2.2基于LDA的主題信息采集
5.2.3基于LDA的文本層次分類
5.2.4基于LDA的文本檢索
5.3本章小結(jié)
6基于興趣社區(qū)和信任鄰居的個性化推薦
6.1個性化推薦系統(tǒng)的多樣性研究進展
6.1.1推薦系統(tǒng)多樣性的類型
6.1.2提高推薦系統(tǒng)多樣性的方法
6.1.3推薦系統(tǒng)多樣性的主要度量指標
6.2多層語義興趣社區(qū)的構(gòu)建
6.2.1興趣社區(qū)概述
6.2.2基于用戶需求本體的多層語義興趣社區(qū)
6.3基于興趣社區(qū)和信任鄰居的混合推薦模型
6.3.1基于興趣社區(qū)的用戶偏好匹配算法
6.3.2基于信任鄰居的多樣性信息推薦算法
6.3.3基于興趣社區(qū)和信任鄰居的混合推薦算法
6.4本章小結(jié)
7實驗研究：武漢泛在旅游信息聚合與推薦系統(tǒng)——U-Travel
7.1U-Travel應用背景
7.2U-Travel系統(tǒng)架構(gòu)
7.2.1系統(tǒng)框架
7.2.2用戶需求建模模塊
7.2.3旅游文本建模模塊
7.2.4旅游信息資源按需聚合模塊
7.2.5旅游信息推薦模塊
7.3系統(tǒng)運行結(jié)果展示
7.4U-Travel主要模塊測試
7.4.1基于情境歷史的移動用戶偏好挖掘效果測試
7.4.2基于LDA的中文主題抽取效果分析
7.4.3基于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(jié)
8總結(jié)與展望
8.1總結(jié)
8.2研究展望
參考文獻