基于Web社會網(wǎng)絡的協(xié)作過濾模型研究.pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展，人們已經(jīng)被包圍在信息的汪洋大海之中。由于信息不斷地更新和增加，使用戶越來越難從海量的數(shù)據(jù)和信息中高效地獲取有用的知識；從迅速增長的信息中及時地獲取最新消息。特別地，自90年代末，Web上涌現(xiàn)了大量的，基于自動Web信息發(fā)布管理系統(tǒng)的Blog站點。該類站點數(shù)量多，增長速度快，并且其發(fā)布的信息個性化強、更新頻率高。在可預見的未來，Blog將成為Web信息過載的又一主要源頭。 目前，用戶主要依賴于信息檢索技術，比

2、如基于關鍵字的搜索引擎，獲取有用或符合個人偏好的Blog信息。該方法主要存在如下弊端：①用戶必須明確地表達個人的信息需求；②Blog信息極具個人色彩，僅依靠關鍵字進行檢索，將無法考慮該信息的權威性；③Blog信息所涉及的類型多樣，無法全部用關鍵字的形式描述?；趨f(xié)作過濾的推薦系統(tǒng)，能對多種類型的資源進行過濾，并能為用戶發(fā)現(xiàn)新的感興趣的信息，已被成功地應用在電子商務領域。然而，傳統(tǒng)的協(xié)作過濾通常要求數(shù)據(jù)集中管理，而各個Blog的信息通常分

3、散存在于Web上的各個服務器上。 針對上述問題，論文對現(xiàn)有的基于協(xié)作過濾的推薦模型進行了研究，明確了其實現(xiàn)的關鍵和難點是相鄰用戶的生成。結合Blog間交互性強的特點，采用語義網(wǎng)技術，論文提出了一個針對Blog推薦的、基于Web社會網(wǎng)絡的協(xié)作過濾模型。該模型由RSS聚合器、用戶建模、Web社會網(wǎng)絡、RDF存儲與處理，以及RDF采集模塊組成。論文對各模塊的功能進行了詳細討論，提出了Web社會網(wǎng)絡擴展算法、相鄰用戶生成算法。最后，利用