博碩士論文 101423026 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:6 、訪客IP:18.232.51.247
姓名 李佩儒(Pei-ju Lee)  查詢紙本館藏   畢業系所 資訊管理學系
論文名稱 利用自建Ontological User Profile應用於文字文件推薦
(Automatically Constructing Ontological User Profile Applied to Texture Documents Recommendation)
相關論文
★ 網路合作式協同教學設計平台-以國中九年一貫課程為例★ 內容管理機制於常用問答集(FAQ)之應用
★ 行動多重代理人技術於排課系統之應用★ 存取控制機制與國內資安規範之研究
★ 信用卡系統導入NFC手機交易機制探討★ App應用在電子商務的推薦服務-以P公司為例
★ 建置服務導向系統改善生產之流程-以W公司PMS系統為例★ NFC行動支付之TSM平台規劃與導入
★ 關鍵字行銷在半導體通路商運用-以G公司為例★ 探討國內田徑競賽資訊系統-以103年全國大專田徑公開賽資訊系統為例
★ 航空地勤機坪作業盤櫃追蹤管理系統導入成效評估—以F公司為例★ 導入資訊安全管理制度之資安管理成熟度研究-以B個案公司為例
★ 資料探勘技術在電影推薦上的應用研究-以F線上影音平台為例★ BI視覺化工具運用於資安日誌分析—以S公司為例
★ 特權帳號登入行為即時分析系統之實證研究★ 郵件系統異常使用行為偵測與處理-以T公司為例
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載]
  1. 本電子論文使用權限為同意立即開放。
  2. 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
  3. 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。

摘要(中) 網路的發展使得資料量愈來愈龐大,使用者要從大量的資訊中找到想要的訊息是非常困難的,因此本研究利用自建的ontology架構來建立ontological user profile幫助記錄使用者興趣。本研究主要分三大部份:自動建立ontology與user profile建立,最後利用兩者結合的ontological user profile應用在文件的推薦上。在自動建立ontology部份,本研究參考A. Sieg等人(Sieg, Mobasher, & Burke, 2007)在2007年定義的名詞,將階層式概念架構稱作ontology,其中概念當作分群文件的集合。因此本研究使用動態文件階層分群來建立ontology架構,接著我們針對部份流程進行優化,改善其準確度與效能。
User profile部份,本研究利用自建的ontology架構再加上使用者接觸過的文件與行為因子來建立explicit profile與implicit profile,此user profile可以表達使用者不同時期的興趣以及達到使用者興趣的延伸,可以幫助使用者找到符合興趣的文件。
在應用上,將自建的ontology架構為文件進行階層式分類,並利用user profile讓使用者能夠加入自己讀過的文件,將此架構稱作ontological user profile,接著為使用者進行文件上的推薦,協助使用者在該領域上能夠結合自己的興趣進行融會貫通。
摘要(英) With the development of the internet, the data amount is growing in a rapid speed. Therefore it is getting more and more difficult for users to find the information from large amounts of data. As the result, this study uses self-built ontology to create ontological user profile for users recording their interests. The study consists of three parts: automatically constructing ontology, user profile creation and application of ontological user profile.
The first part, we refer the noun that A. Sieg(Sieg et al., 2007) defined in 2007,we define our ontology as a hierarchy of concepts, where the concepts are utilizes for the categorization of documents. Therefore, this study constructs ontology by dynamically hierarchical clustering on documents.
The second part of user profile creation, we use self-built ontology with the documents that user read and behavior factors to create explicit and implicit profile. Those user profiles express the user′s interests in the different periods, and help users to find the documents that they are interested in.
The final part of the application, we use the construction of the ontology to cluster the documents, and make use of user profile for adding documents by users themselves. Through the ontological user profile, we can recommend the documents to users and help users combined their interests on the reading process.
關鍵字(中) ★ 階層分群
★ 動態分群
★ Explicit profile
★ Implicit profile
★ Ontological user profile
關鍵字(英)
論文目次 一、緒論 1
1-1 研究背景 1
1-2 研究動機 2
1-3 研究目的 3
1-4 研究方法 4
1-5 論文架構 5
二、文獻探討 6
2-1 文件特徵選取 6
2-1-1 NGD 6
2-1-2 自建搜尋引擎 8
2-1-3 K-core 8
2-2文件分群 10
2-2-1文件分群技術分類 10
2-2-2 動態文件分群 11
2-2-3減少群集數目 14
2-2-4建置分類學及文件階層分群 16
2-3本體論 18
2-3-1 比對文件概念 18
2-3-2使用者輪廓本體論架構建立 19
2-4-1 顯性輪廓 21
2-4-2隱性輪廓 23
三、研究方法與系統架構 25
3-1 系統架構 25
3-2 自動建立本體論 26
3-2-1 文件前處理 27
3-2-2 文件概念分群 27
3-2-3建置分類學與文件階層分群 30
3-2-4自建本體論內容 30
3-3使用者輪廓建立 31
3-3-1 比對文件概念 32
3-3-2使用者輪廓本體論架構建立 32
3-3-3顯性輪廓計算 32
3-3-4隱性輪廓計算 33
3-4 Ontological user profile應用 34
3-4-1電子書的ontology建立 34
3-4-2建立文件之使用者輪廓本體論 34
3-4-3進行推薦 36
四、實驗結果與討論 38
4-1 資料集介紹 38
4-1-1 Reuters-21578 38
4-1-2維基百科 38
4-1-3電子書文件 39
4-2 評估方法 40
4-3 實驗環境 40
4-4 文件概念分群實驗 41
4-4-1文件群數比較實驗 41
4-4-2 文件分群成效實驗 42
4-5 Explicit profile實驗 43
4-5-1轉變興趣時的準確度實驗 43
4-5-2 EI門檻值調整 44
4-5-3使用者行為實驗 45
4-6Ontological user profile實驗 46
4-6-1電子書ontology的群數以及成效 46
4-6-2 Explicit profile實驗 47
4-6-3推薦文件實驗 49
五、結論與未來研究方向 52
5-1 結論 52
5-2未來研究方向 53
5-3應用方面 54
參考文獻 54
參考文獻 中文部份
[1]李浩平. (2011). 運用NGD建立適用於使用者回饋資訊不足之文件過濾系統. 國立中央大學資訊管理學系碩士論文.
[2]陳信夫. (2011). 基於字詞關係動態建立階層分群. 國立中央大學資訊管理學系碩士論文.
[3]詹欣逸. (2012). 利用WordNet 判斷字詞包含關係─應用於動態階層文件分群. 國立中央大學資訊管理學系碩士論文.
[4]鄭奕駿. (2012). 離線搜尋 Wikipedia 以縮減 NGD 運算時間之研究. 國立中央大學資訊管理學系碩士論文.
[5]賴靜怡. (2013). 自動建立ontology應用於user profile建立. 國立中央大學資訊管理學系碩士論文.
英文部份
[6]Baeza-Yates, R., & Ribeiro-Neto, B. (1999). Modern Information Retrieval. ACM Press, 9.
[7]Bobadilla, J., Ortega, F., Hernando, a., & Gutiérrez, a. (2013). Recommender systems survey. Knowledge-Based Systems, 46, 109–132.
[8]Chen, P.I., & Lin, S.-J. (2010). Automatic keyword prediction using Google similarity distance. Expert Systems with Applications, 37(3), 1928–1938.
[9]Cilibrasi, R. L., & Vit, P. M. B. (2007). The Google Similarity Distance, 19(3), 370–383.
[10]Gil-García, R., Bad´ıa-Contelles, J. M., & Pons-Porrata, A. (2010). Dynamic hierarchical algorithms for document clustering. Pattern Recognition Letters, 31(6), 469–477.
[11]Gruber, T. R. (1993). Toward Principles for the Design of Ontologies Used for Knowledge Sharing.
[12]Han, L., Chen, G., & Li, M. (2013). A method for the acquisition of ontology-based user profiles. Advances in Engineering Software, 65, 132–137.
[13]Hendler, J. (2001). Agents and the semantic web. IEEE Intelegent Systems, 8.
[14]Jeong, H.-Y., Choi, C.-R., & Song, Y.-J. (2012). Personalized Learning Course Planner with E-learning DSS using user profile. Expert Systems with Applications, 39(3), 2567–2577.
[15]Li, L., Zheng, L., Yang, F., & Li, T. (2014). Modeling and broadening temporal user interest in personalized news recommendation. Expert Systems with Applications, 41(7), 3168–3177.
[16]Li, Q., Wang, J., Chen, Y. P., & Lin, Z. (2010). User comments for news recommendation in forum-based social media. Information Sciences, 180(24), 4929–4939.
[17]Liu, Y., Wang, X., & Liu, B. (2004). A feature selection algorithm for document clustering based on word co-occurrence frequency, (August), 26–29.
[18]Middleton, S. E., Shadbolt, N. R., & Roure, D. C. D. E. (2001). Ontological User Profiling in Recommender Systems.
[19]Pérez-Suárez, A., Martínez-Trinidad, J. F., Carrasco-Ochoa, J. a., & Medina-Pagola, J. E. (2013). An algorithm based on density and compactness for dynamic overlapping clustering. Pattern Recognition, 46(11), 3040–3055.
[20]Ricci, F. (2010). Mobile Recommender Systems, 1–24.
[21]S. B. Seidman. (1983). Network structure and minimum degree.
[22]Salton, G., & Buckley, C. (1988). Term weighting approaches in automatic text retrival.
[23]Shoval, P., Maidel, V., & Shapira, B. (2008). An ontology-content-based filtering method, 15, 303–314.
[24]Sieg, A., Mobasher, B., & Burke, R. (2007). Learning Ontology-Based User Profiles : A Semantic Approach to Personalized Web Search, 8(1).
[25]Tang, X., & Zeng, Q. (2012). Keyword clustering for user interest profiling refinement within paper recommender systems. Journal of Systems and Software, 85(1), 87–101.
[26]Uschold, M., & King, M. (1995). Towards Methodology for Building Ontologies.
[27]Vesin, B., Ivanović, M., Klašnja-Milićević, A., & Budimac, Z. (2012). Protus 2.0: Ontology-based semantic recommendation in programming tutoring system. Expert Systems with Applications, 39(15), 12229–12246.
[28]Wen, H., Fang, L., & Guan, L. (2012). A hybrid approach for personalized recommendation of news on the Web. Expert Systems with Applications, 39(5), 5806–5814.
指導教授 林熙禎(Shi-Jen Lin) 審核日期 2014-7-15
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明