123,123,123

內(nèi)容簡(jiǎn)介

　　基于Web挖掘的個(gè)性化信息推薦是解決當(dāng)前互聯(lián)網(wǎng)“信息過(guò)載”問(wèn)題的重要手段之一?！痘赪eb挖掘的個(gè)性化信息推薦》在繼承國(guó)內(nèi)外相關(guān)研究成果的基礎(chǔ)上，建立了基于Web挖掘的個(gè)性化信息推薦模型，并構(gòu)建了語(yǔ)法層次、語(yǔ)義層次和語(yǔ)用層次的個(gè)性化信息推薦方法體系。然后，從語(yǔ)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(wèn)題，并借鑒復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)劃分方法，提出了基于網(wǎng)絡(luò)書(shū)簽的個(gè)性化信息推薦方法；從語(yǔ)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(lǐng)域本體的個(gè)性化信息推薦方法，研究了基于社會(huì)化標(biāo)簽的Web用戶興趣建模方法；從語(yǔ)用層次的角度，利用用戶反饋和貝葉斯網(wǎng)絡(luò)理論討論了Web用戶效用函數(shù)的構(gòu)建方法?！痘赪eb挖掘的個(gè)性化信息推薦》內(nèi)容豐富、應(yīng)用性強(qiáng)，可供信息管理、計(jì)算機(jī)應(yīng)用等領(lǐng)域從事相關(guān)研究的專家學(xué)者、工程技術(shù)人員及高等院校相關(guān)專業(yè)教師、研究生參考使用。

作者簡(jiǎn)介

　　易明，1978年生，湖北黃岡人。華中科技大學(xué)管理科學(xué)與工程專業(yè)博士，武漢大學(xué)圖書(shū)館、情報(bào)與檔案管理在站博士后。華中師范大學(xué)信息管理系副教授，情報(bào)學(xué)專業(yè)碩士生導(dǎo)師。主要從事web挖掘與信息服務(wù)、社會(huì)網(wǎng)絡(luò)與知識(shí)管理等領(lǐng)域的研究。主持教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目1項(xiàng)、全國(guó)高等學(xué)校教學(xué)研究中心項(xiàng)目1項(xiàng)，參加國(guó)家級(jí)、省部級(jí)項(xiàng)目6項(xiàng)。主編出版《客戶關(guān)系管理》、《電子商務(wù)概論》等教材。在《中國(guó)圖書(shū)館學(xué)報(bào)》、《情報(bào)學(xué)報(bào)》，《中國(guó)管理科學(xué)》、《圖書(shū)情報(bào)工作》、《情報(bào)科學(xué)》、《現(xiàn)代圖書(shū)情報(bào)技術(shù)》等國(guó)內(nèi)刊物公開(kāi)發(fā)表論文30余篇，l收錄1篇，ISTP收錄3篇。編者簡(jiǎn)介：王偉軍，華中師范大學(xué)教授、博士生導(dǎo)師?，F(xiàn)任華中師范大學(xué)信息管理系副主任；華中師范大學(xué)教學(xué)委員會(huì)委員、學(xué)位評(píng)定委員會(huì)管理學(xué)分會(huì)委員、知識(shí)管理與知識(shí)服務(wù)研究中心主任；兼任教育部高等學(xué)校圖書(shū)館學(xué)科教學(xué)指導(dǎo)委員會(huì)委員，中國(guó)索引學(xué)會(huì)常務(wù)理事，中國(guó)社會(huì)科學(xué)情報(bào)學(xué)會(huì)理事，中國(guó)信息經(jīng)濟(jì)學(xué)會(huì)電子商務(wù)專業(yè)委員會(huì)副秘書(shū)長(zhǎng)，湖北省電子商務(wù)學(xué)會(huì)常務(wù)理事、副秘書(shū)長(zhǎng)，湖北省信息學(xué)會(huì)常務(wù)理事；《情報(bào)科學(xué)》、《評(píng)價(jià)與管理》、《湖北信息化》等雜志的編委和《情報(bào)資料工作》學(xué)術(shù)指導(dǎo)委員會(huì)委員；曾擔(dān)任第七屆IFIP電子商務(wù)、電子服務(wù)與電子社會(huì)（13E2007）國(guó)際會(huì)議主席。2007年入選教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃。一直從事信息資源管理、知識(shí)管理與知識(shí)服務(wù)，電子商務(wù)等領(lǐng)域的教學(xué)和研究工作；公開(kāi)發(fā)表學(xué)術(shù)論文80余篇，出版著作嘟（含合著）；近5年來(lái)，主持或參與國(guó)家自然科學(xué)基金、國(guó)家社會(huì)科學(xué)基金，國(guó)家“863”計(jì)劃、教育部高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃、教育部人文社會(huì)科學(xué)研究和武漢市社會(huì)科學(xué)基金等10多項(xiàng)課題；曾榮獲湖北省社會(huì)科學(xué)優(yōu)秀成果一等獎(jiǎng)和三等獎(jiǎng)、湖北省自然科學(xué)優(yōu)秀學(xué)術(shù)論文三等獎(jiǎng)，第六屆全國(guó)多媒體課件大賽優(yōu)秀獎(jiǎng)、武漢市社會(huì)科學(xué)優(yōu)秀科研成果獎(jiǎng)等多項(xiàng)獎(jiǎng)勵(lì)。

圖書(shū)目錄

總序
序
前言
第1章緒論
1.1 本書(shū)研究背景
1.2 本書(shū)研究目的與意義
1.2.1 本書(shū)研究目的
1.2.2 本書(shū)研究意義
1.3 國(guó)內(nèi)外研究現(xiàn)狀
1.3.1 Web挖掘研究現(xiàn)狀
1.3.2 個(gè)性化信息推薦研究現(xiàn)狀
1.4 本書(shū)研究?jī)?nèi)容與方法
1.4.1 本書(shū)研究?jī)?nèi)容
1.4.2 本書(shū)的研究方法
第2章研究對(duì)象及問(wèn)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(gè)性化與個(gè)性化信息推薦
2.2.1 個(gè)性化相關(guān)概念
2.2.2 個(gè)性化信息推薦
2.3 基于Web挖掘的個(gè)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(yù)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(gè)性化信息推薦機(jī)理
3.1 全信息理論與信息過(guò)程模型
3.1.1 全信息理論
3.1.2 信息過(guò)程模型
3.2 基于全信息的“點(diǎn)擊流”信息運(yùn)動(dòng)過(guò)程模型
3.2.1 “點(diǎn)擊流”的含義
3.2.2 “點(diǎn)擊流”信息的層次
3.2.3 “點(diǎn)擊流”信息運(yùn)動(dòng)過(guò)程模型
3.3 “點(diǎn)擊流”信息運(yùn)動(dòng)視角的個(gè)性化信息推薦模型
3.3.1 “點(diǎn)擊流”信息獲取——捕獲Web用戶點(diǎn)擊行為
3.3.2 “點(diǎn)擊流”信息認(rèn)知——提取Web用戶點(diǎn)擊行為模式
3.3.3 “點(diǎn)擊流”信息再生——產(chǎn)生個(gè)性化信息推薦策略
3.3.4 “點(diǎn)擊流”信息施效——實(shí)施個(gè)性化信息推薦策略
3.4 基于Web挖掘的個(gè)性化信息推薦的方法體系
3.4.1 語(yǔ)法層次的個(gè)性化信息推薦方法
3.4.2 語(yǔ)義層次的個(gè)性化信息推薦方法
3.4.3 語(yǔ)用層次的個(gè)性化信息推薦方法
第4章語(yǔ)法層次的Web用戶偏好分析與推薦
4.1 語(yǔ)法層次的Web用戶偏好分析與推薦框架
4.2 Web交易事務(wù)集的提取
4.2.1 數(shù)據(jù)過(guò)濾
4.2.2 用戶識(shí)別
4.2.3 會(huì)話識(shí)別
4.2.4 路徑補(bǔ)充
4.3 基于Web交易事務(wù)聚類的Web用戶偏好分析
4.3.1 交易事務(wù)的表示
4.3.2 交易事務(wù)聚類
4.3.3 導(dǎo)出Web使用文檔
4.3.4 生成Web用戶偏好頁(yè)面集
4.4 基于頻繁Web頁(yè)面集的Web用戶偏好視圖
4.4.1 提取頻繁Web頁(yè)面集
4.4.2 生成Web用戶偏好視圖
第5章基于網(wǎng)絡(luò)書(shū)簽的個(gè)性化信息推薦方法
5.1 Web 2.0與網(wǎng)絡(luò)書(shū)簽
5.1.1 Web 2.0概述
5.1.2 網(wǎng)絡(luò)書(shū)簽概述
5.2 基于網(wǎng)絡(luò)書(shū)簽的社團(tuán)結(jié)構(gòu)劃分
5.2.1 社團(tuán)結(jié)構(gòu)的定義
5.2.2 網(wǎng)絡(luò)書(shū)簽系統(tǒng)模型
5.2.3 基于CPM算法的社團(tuán)結(jié)構(gòu)劃分
5.2.4 實(shí)驗(yàn)分析
5.3 網(wǎng)絡(luò)書(shū)簽系統(tǒng)中基于社團(tuán)結(jié)構(gòu)的個(gè)性化信息推薦
5.3.1 社團(tuán)內(nèi)基于協(xié)作過(guò)濾的個(gè)性化信息推薦
5.3.2 社團(tuán)間基于“信息橋”的個(gè)性化信息推薦
5.3.3 實(shí)驗(yàn)分析
第6章語(yǔ)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(yè)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(wù)的特征詞條表示
6.3.2 基于特征詞條的交易事務(wù)聚類
6.3.3 導(dǎo)出Web文本文檔
6.3.4 生成匹配文檔
6.4 Web文本關(guān)聯(lián)規(guī)則獲取與匹配
6.4.1 基于關(guān)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(yǔ)義知識(shí)的個(gè)性化信息推薦方法
7.1 整合Web語(yǔ)義知識(shí)的個(gè)性化信息推薦概述
7.1.1 整合Web語(yǔ)義知識(shí)的個(gè)性化信息推薦框架
7.1.2 整合Web語(yǔ)義知識(shí)的個(gè)性化信息推薦方法的優(yōu)勢(shì)
7.2 本體的基本理論
7.2.1 本體的概念與特點(diǎn)
7.2.2 本體的分類
7.2.3 本體的建模元語(yǔ)
7.2.4 本體的表示方法
7.3 Web領(lǐng)域本體的構(gòu)建
7.3.1 本體構(gòu)建的一般方法
7.3.2 Web領(lǐng)域本體的構(gòu)建過(guò)程
7.4 基于Web領(lǐng)域本體的個(gè)性化信息推薦方法
7.4.1 導(dǎo)出語(yǔ)義層次的Web使用文檔
7.4.2 生成個(gè)性化推薦Web頁(yè)面集
第8章基于社會(huì)化標(biāo)簽的Web用戶興趣建模
8.1 社會(huì)化標(biāo)簽概述
8.1.1 社會(huì)化標(biāo)簽的起源
8.1.2 社會(huì)化標(biāo)簽系統(tǒng)模型
8.1.3 社會(huì)化標(biāo)簽系統(tǒng)的特點(diǎn)與不足
8.2 基于社會(huì)化標(biāo)簽聚類的Web用戶興趣模型
8.2.1 基于社會(huì)化標(biāo)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(shí)驗(yàn)分析
8.3 基于社會(huì)化標(biāo)簽網(wǎng)絡(luò)的Web用戶興趣模型
8.3.1 社會(huì)網(wǎng)絡(luò)分析概述
8.3.2 Web用戶的社會(huì)化標(biāo)簽網(wǎng)絡(luò)模型
8.3.3 基于SNA的社會(huì)化標(biāo)簽網(wǎng)絡(luò)分析
8.3.4 Web用戶興趣建模與個(gè)性化信息推薦
第9章語(yǔ)用層次的Web用戶效用函數(shù)構(gòu)建
9.1 引言
9.1.1 語(yǔ)用層次的個(gè)性化信息推薦方法的核心問(wèn)題
9.1.2 面向此次Web站點(diǎn)訪問(wèn)的Web用戶效用函數(shù)構(gòu)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(luò)學(xué)習(xí)機(jī)制的效用函數(shù)構(gòu)建
9.3.1 貝葉斯網(wǎng)絡(luò)
9.3.2 基于一般Web用戶效用函數(shù)的先驗(yàn)貝葉斯網(wǎng)絡(luò)構(gòu)建
9.3.3 基于一般Web用戶效用函數(shù)的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)
參考文獻(xiàn)
后記