基于本体的农业信息服务个性化推荐模型研究
这是一篇关于信息服务平台,知识图谱,本体建模,TextCNN,用户画像,推荐的论文, 主要内容为农业是我国社会经济发展的重要支柱性产业之一,农业综合信息服务平台依托现代信息技术,以数据库为核心,高度集成农业实用技术、市场供求、产销对接、生产经营状况、等信息资源,以互联网络及各类终端设备为通信与共享渠道,面向企业与人员提供便捷、高效、全面的交互式、专业化、个性化的农业信息服务。当前多数农业综合信息服务平台在建设和运行过程中还存在一些不足之处:一是平台中的海量农业信息与涉农用户需求之间的匹配度不高的问题,主要是无法精准刻画用户意图,无法进行用户个性化的推荐信息;二是农业综合信息服务平台缺乏知识融合以及关联,信息整合度低,通过构建基于本体农业领域知识图谱,能够更加紧密的将实体与实体联系起来;三是平台用户粘性不够,系统不能够精确分析用户或者不能够做到精准推荐用户关注的问题。针对上述问题一,通过构建用户画像模型来读懂用户意图,具体做法为:构建用户诉求模型,使用机器学习技术,对用户关注的相关问题制定诉求标签口径,提出基于词加权表征的TextCNN算法,该模型能够根据用户发帖内容预测用户意图,通常用户在发帖时伴随着情感表达,因此在构建用户诉求画像的基础上,使用基于情感词典的方式对用户发帖内容进行情感分析,将情感与诉求共同刻画用户,有助于更加理解用户;另一方面通过用户点击的网页以及检索词,获取用户感兴趣的相关词条来刻画用户上网行为,更加丰富用户画像。针对问题二,非结构化文本较多,没有形成完备的信息闭环,本文借助农业本体知识,构建以农业为主的实体信息,通过实体将农业相关的信息形成图谱,具体做法为:根据农业政策信息和农业相关数据信息,爬取农业百科数据,使用BERT(Bidirectional Encoder Representations from Transformers)+BiLSTM(Bi-directional Long Short-Term Memory)+CRF(Conditiona1 Random Field)实现实体的识别,通过识别的实体结合原始文本内容,构建基于本体的农业信息知识图谱,将农业信息知识组织成知识网络。针对问题三,目前大多数农业信息个性化服务比较生硬,不能够做到千人千面,结合问题一用户画像以及问题二的农业信息图谱构建,通过“用户+信息”的形式推送给用户,提出了基于图谱的个性化推荐算法,让系统推送的均是用户关注的以及潜在感兴趣的信息,以此增加用户粘性和服务的提升。综上所述,本文基于本体理念对农业信息服务个性化推荐模型进行研究,具体研究了用户画像、农业信息的实体识别,以及在进行个性化推荐过程中用户对涉农信息的检索与推荐算法实现,通过以上研究为农业信息服务个性化推荐提供了技术支撑。
基于知识图谱的ROS功能包推荐方法研究
这是一篇关于机器人操作系统,知识图谱,ROS功能包,推荐的论文, 主要内容为机器人操作系统(Robot Operating System,简称ROS)是支持机器人应用开发的软件开发框架。开发者可以通过重用ROS提供的一组功能包,编写出机器人应用的程序代码,进而提高软件开发的效率和质量。ROS功能包形式多样、功能相近、数量众多,截止目前,已经有2,415个仓库,6,872个功能包,并且还在不断更新。开发者在重用ROS功能包进行程序编写时,常常面临着不知重用哪个ROS功能包的实际问题。解决该问题的现有方法是通过搜索引擎进行查找,但是该方法的缺点是搜索结果通常是ROS功能包的相关链接,而非对ROS功能包的直接推荐,且该方法的准确度不高,常常搜寻不出开发者所需的ROS功能包,因而很难满足程序员的开发需求。为了应对上述挑战,本文利用ROS官方社区(ROS Wiki、ROS Index等)中的ROS功能包数据,开展了基于知识图谱的ROS功能包推荐方法研究。论文的主要研究成果及贡献如下:(1)提出了面向ROS领域本体的构建方法,构建了ROS功能包知识图谱的模式层。基于模式层的架构进行了数据层的构建,通过搭建爬虫框架获取ROS功能包相关数据,针对ROS功能包描述文本,利用基于规则的分块技术提取了ROS功能包的功能和类别,基于启发式规则提取了ROS功能包的领域特征,整合ROS功能包相关知识,构建了ROS功能包的知识图谱ROSKG,其中包含25,484个实体,62,854条关系。(2)基于ROSKG,提出了基于特征相似度的ROS功能包推荐方法和基于子图匹配的ROS功能包推荐方法,设计了相应的实现算法,开发了ROS功能包推荐工具ROSPR,支持面向特定任务的ROS功能包推荐。(3)通过人工评估的方式检验了ROSKG内部知识的质量,结果表明,ROSKG内部知识具有较高的准确率,均在73%以上。为了检验基于知识图谱的ROS功能包推荐算法的准确性,本文设计实验来为给定开发任务推荐合适的ROS功能包,结果表明基于ROSKG的ROS功能包推荐方法可辅助软件开发人员找到合适的ROS功能包,相较于基准方法,两种算法的ROS功能包推荐准确率分别提高了5.7%和7.4%,平均完成任务时间提升了52.0%和47.9%。
基于知识图谱的专利自动推荐技术研究
这是一篇关于专利知识图谱,知识图谱向量化,推荐的论文, 主要内容为随着我国创新发展战略的大力实施,专利作为一项科技含量较高的知识产权,越来越受到企业和用户的重视。面对海量的专利数据,掌握专利中包含的科技知识对推动企业和国家发展有重大意义。在专利数据分析过程中,如何方便高效地划分专利所属技术领域是一个值得研究的问题。本文引入推荐系统的思想,结合实际需求,根据专利文本数据之间的相似度进行专利的推荐,进而实现未知专利技术领域的推荐。由于知识图谱被广泛应用于推荐领域,本文主要研究了专利知识图谱构建的相关技术、专利相关实体向量化表示以及基于专利知识图谱的技术领域推荐。主要研究内容为以下几个部分:首先,本文研究了构建专利知识图谱的相关技术,对专利的标题、摘要、申请人等数据进行分析,确定了专利相关的实体和关系,完成了专利领域本体库的构建。接着对专利文本中包含的实体、属性和关系数据进行信息抽取,将处理好后的数据存储在Neo4j图数据库中,完成专利知识图谱的构建。其次,根据Trans E模型对实体进行向量化,在模型训练过程中对原有负采样算法进行一些改进,将专利文本实体信息嵌入一个100维的向量中。向量化后的专利实体包含了专利知识图谱中实体间的语义关系,为实现专利推荐做好铺垫。最后,本文提出了基于知识图谱的专利推荐算法(KG-PR),将专利知识图谱向量化结果融入基于内容的推荐算法中,利用知识图谱中的专利标题实体计算专利之间的相似度,实现类似专利的推荐,从而完成专利所属技术领域的推荐。为了验证本文方法的合理性,与基于内容的专利推荐算法(CB-PR)进行比较,对100个专利的技术领域进行推荐,将预测得到的技术领域与实际的进行对比,计算出预测正确所占的比例。实验结果表明,本文提出的KG-PR算法比基于专利内容的推荐算法得到的预测技术领域结果正确率高。最终按IPC分类号的大组推荐100个专利的技术领域,可得基于知识图谱的专利推荐算法在推荐一个IPC分类号的正确率为82%,推荐多个IPC分类号的正确率为98%,说明了本文提出的KG-PR算法在专利推荐方面的可行性。
基于用户角色的农资供求信息智能推荐系统的研究及实现
这是一篇关于协同过滤,相似性计算,用户角色,推荐的论文, 主要内容为随着互联网技术的蓬勃发展,网上信息资源的数据量也呈现出爆发式增长。在农资交易平台中,农户如何从大量农资商品中找到符合自己需求的商品,以及供应商如何让自己的商品脱颖而出,都是一件非常困难的事情。目前,针对不同角色用户,不同地域用户及用户在不同季节的需求特性,提供满足其个性化要求的信息服务,已成为农资电子商务站点亟需解决的难题。协同过滤推荐系统作为一种重要的个性化服务模式,在互联网领域的应用越来越广泛。本文以农药为例,研究出一种基于用户角色的推荐算法,与传统的推荐算法相比,此种算法综合了农资季节性,地域性,使用特性等特点,更适用于农资推荐。同时,本文将智能推荐技术与农资交易平台相结合,设计实现基于用户角色的农资供求信息智能推荐系统。本文的主要研究内容如下:现有推荐系统及推荐算法发展现状研究。对基于内容的推荐算法、协同过滤推荐算法等相关基础理论进行了较为深入的研究,结合农资电商推荐系统现状,对如何构建适用农资交易平台的个性化推荐算法进行了深入的研究分析。改进的协同过滤算法研究。通过计算I-I相似矩阵及收集用户隐式行为,建立修正的I-U评分矩阵。并构造用户相似度矩阵U-U及Pearson相关系数计算用户相似性,确定最近邻用户,最后生成预测评分及推荐项。农资供求信息智能推荐系统的实现。在建立了实体间的E-R图基础上,对数据表进行详细设计。搭建storm分布式实时计算框架,设计开发集农资购买、个性推荐、订单管理、和基础查询为一体的农资供求信息智能推荐系统。在安徽省“十二五”科技攻关项目课题“面向全程电子商务的农资物流信息化关键技术研发与应用”的支持下,本论文研究成果成功地将基于用户角色的协同过滤推荐算法运用到农资产品个性化推荐的服务中,有效地减少用户的搜索时间,促进了交易的完成。
基于知识图谱的专利自动推荐技术研究
这是一篇关于专利知识图谱,知识图谱向量化,推荐的论文, 主要内容为随着我国创新发展战略的大力实施,专利作为一项科技含量较高的知识产权,越来越受到企业和用户的重视。面对海量的专利数据,掌握专利中包含的科技知识对推动企业和国家发展有重大意义。在专利数据分析过程中,如何方便高效地划分专利所属技术领域是一个值得研究的问题。本文引入推荐系统的思想,结合实际需求,根据专利文本数据之间的相似度进行专利的推荐,进而实现未知专利技术领域的推荐。由于知识图谱被广泛应用于推荐领域,本文主要研究了专利知识图谱构建的相关技术、专利相关实体向量化表示以及基于专利知识图谱的技术领域推荐。主要研究内容为以下几个部分:首先,本文研究了构建专利知识图谱的相关技术,对专利的标题、摘要、申请人等数据进行分析,确定了专利相关的实体和关系,完成了专利领域本体库的构建。接着对专利文本中包含的实体、属性和关系数据进行信息抽取,将处理好后的数据存储在Neo4j图数据库中,完成专利知识图谱的构建。其次,根据Trans E模型对实体进行向量化,在模型训练过程中对原有负采样算法进行一些改进,将专利文本实体信息嵌入一个100维的向量中。向量化后的专利实体包含了专利知识图谱中实体间的语义关系,为实现专利推荐做好铺垫。最后,本文提出了基于知识图谱的专利推荐算法(KG-PR),将专利知识图谱向量化结果融入基于内容的推荐算法中,利用知识图谱中的专利标题实体计算专利之间的相似度,实现类似专利的推荐,从而完成专利所属技术领域的推荐。为了验证本文方法的合理性,与基于内容的专利推荐算法(CB-PR)进行比较,对100个专利的技术领域进行推荐,将预测得到的技术领域与实际的进行对比,计算出预测正确所占的比例。实验结果表明,本文提出的KG-PR算法比基于专利内容的推荐算法得到的预测技术领域结果正确率高。最终按IPC分类号的大组推荐100个专利的技术领域,可得基于知识图谱的专利推荐算法在推荐一个IPC分类号的正确率为82%,推荐多个IPC分类号的正确率为98%,说明了本文提出的KG-PR算法在专利推荐方面的可行性。
基于知识图谱的电网复电决策辅助系统的设计与实现
这是一篇关于知识图谱,知识推理,复电决策,推荐,规则引擎的论文, 主要内容为电网线路发生故障跳闸时,调度员需要考虑恢复供电的紧急性与闭合闸刀后可能发生的风险,在快速闭合闸刀尽早恢复供电与待现场人员充分排查故障后再送电这两者之间进行决策。现有的复电决策方法以人工为主,要求调度员在熟悉处理流程的情况下确认供电线路拓扑,厂站位置,当日带电作业等所有相关各类数据后,再综合做出判断,主要依赖于决策者的个人能力与经验,在可靠性和时效性上都有着不足。本文设计并构建了一种包含复电规则及相关实体的复电知识图谱,并利用复电知识图谱设计了一套复电决策辅助技术方案。随后基于此方案开发了一个复电决策辅助系统以帮助调度员在保证决策可靠性的同时,缩短决策所需时间,提升决策效率。本文的主要工作和贡献如下:1、设计了一种复电知识图谱模式与其构建方法。首先针对电网故障规程,对其中的复电处理过程等文字描述进行提取加工,构建复电规则。之后根据线路信息表,每日带电作业表等电力文档自身结构特点设计相应模板,采用模板匹配的方式从十余种多源异构文档中抽取出相关实体。最后由复电规则与相关实体构建复电知识图谱,为之后的复电决策辅助提供基础。2、设计了利用复电知识图谱辅助复电决策的技术方案及相关算法。包括两个部分:1)针对电网故障规程:设计了图谱规则转化算法,将复电知识图谱中的规则自动改写为产生式规则语句,再利用规则推理引擎进行复电推理,得到复电建议。做到将复电决策逻辑解耦写入复电知识图谱之中。2)针对历史故障:设计了线路故障相似度算法,利用故障线路的位置信息等数据计算与当前故障相似度最高的k条历史故障,作为参考对复电推理结果进行补充以更好地满足实际复电决策要求。3、基于上述技术方案,设计并实现了一个复电决策辅助系统原型,并对其进行了测试验证。
基于知识表示学习的推荐系统研究
这是一篇关于推荐,知识图谱,知识表示学习的论文, 主要内容为基于知识表示学习的推荐系统是在推荐模型中引入知识图谱作为辅助信息,并通过挖掘知识图谱中丰富的语义信息,从而提高模型的推荐能力。根据将知识表示学习和推荐结合的训练方式的不同,基于知识表示学习的推荐,主要分为联合学习和交替学习两种。联合学习方式下主流的波纹网络框架主要关注知识图谱中的路径信息,但存在路径信息特征表示能力不足的问题;交替学习方式下主流的多任务学习框架主要关注知识图谱中每一组实体关系对信息,但存在实体关系特征表示能力不足的问题。总体来说,两种框架可以融合不同类型的语义信息,但同时存在对知识图谱语义信息利用不充分,导致模型推荐能力下降的问题。本文针对以上问题展开相关的研究工作。本文的主要工作如下:1)针对波纹网络框架中路径信息特征表示能力不足的问题,本文从引入注意力机制和利用采样技术两方面进行改进:由于路径上实体间的距离越近关系越紧密,在路径特征组合阶段,通过设计自适应权重网络,为每一跳实体集特征训练出相应的权重,然后对每一跳实体集特征进行加权平均得到最终的路径特征表示,这样学到的路径特征表示更加合理;由于路径信息特征由路径中多次跳跃得到的实体集特征组合而成,通过设计有效的网络实体跳跃采样方法,每一跳都能采样得到更能显著代表该跳特征的实体集,以此提高路径上每一跳实体集的特征表示能力,进而提高整条路径的特征表示能力。2)针对多任务学习框架中实体关系特征表示能力不足的问题,本文从引入降噪技术和构建关系的度量空间两方面进行改进:样本数据中往往存在噪声,误点击样本是推荐数据中主要的噪声来源。本文提出降噪自编码器和正则化来防止模型过拟合,降低噪声数据带来的影响,提高推荐部分的特征表示能力,进而通过特征信息交互模块加强实体关系特征表示;本文又结合距离翻译模型以及神经张量网络的思想,利用三维张量技术构建关系对应的度量空间。实体映射到关系对应的度量空间下进行比较,从而充分利用知识图谱中实体间的连接关系所携带的语义信息,提高知识表示任务中实体关系的特征表示能力。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工坊 ，原文地址：https://m.bishedaima.com/lunwen/44995.html
