|
|
|
針對傳統的商品搜索和推薦技術已不能滿足客戶對服務資源個性化需求的問題，本書在國家科技支撐計划、863計划、國家自然科學基金、教育部人文社科等課題的支持下，以用戶復雜需求為出發點，充分利用本體技術在解決語義歧義和能夠語義推理方面的優勢，以”服務資源統一描述、發現與聚合——客戶復雜需求描述和獲取——滿足客戶復雜需求的服務資源推薦」為主線，研究服務資源語義模型和語義詞典、基於語義模型的服務資源智能發現與聚合、客戶復雜需求的本體建模與智能獲取、滿足客戶復雜需求的服務資源均衡推薦與組合推薦四個層次的關鍵問題，為海量服務資源環境下電子商務智能個性化服務提供語義基礎技術和應用關鍵技術。
劉平峰，武漢理工大學副教授，博士生導師，教學名師，經濟學院電子商務系主任，武漢理工大學電子商務與智能服務研究中心、廣義虛擬經濟研究中心副主任，加拿大渥太華大學訪問學者，湖北系統工程學會理事，武漢市政府電子商務專家，教育部—IBM大學合作項目優秀教師。主要研究方向：商務智能、服務管理、O2O電子商務。
第1章 國內外相關理論研究現狀
1.1 電子商務語義本體
1.1.1 電子商務語義詞典
1.1.2 本體及本體集成
1.2 用戶興趣建模與獲取
1.2.1 基於評分的用戶模型
1.2.2 基於特征的用戶模型
1.2.3 基於規則的用戶模型
1.3 服務資源發現與聚合
1.3.1 服務資源發現
1.3.2 服務資源聚合
1.4 服務資源推薦技術
1.4.1 傳統推薦算法研究
1.4.2 混合推薦技術
參考文獻
第2章 電子商務語義基礎技術
2.1 電子商務中文語義詞典構建
2.1.1 中文語義詞典系統體系結構
2.1.2 中文語義詞典的詞典結構
2.1.3 中文語義詞典語義相似度計算
2.2 中文本體語義映射與集成技術
2.2.1 電子商務語義映射與集成系統框架模型
2.2.2 基於本體的語義查詢流程
2.2.3 語義集成查詢關鍵技術
2.3 中文本體管理技術
參考文獻
第3章 用戶需求語義建模與智能獲取技術
3.1 用戶需求語義建模
3.1.1 用戶需求本體模型
3.1.2 用戶概要本體模型
3.2 用戶需求語義解析與規范化
3.3 用戶偏好獲取技術
3.3.1 基於綜合反饋的用戶偏好獲取技術
3.3.2 基於最大熵模型的用戶偏好獲取技術
3.3.3 基於粗糙集的用戶偏好獲取技術
3.3.4 基於興趣圖譜的用戶偏好獲取技術
參考文獻
第4章 服務資源智能發現方法
4.1 服務資源的語義建模
4.1.1 服務資源語義建模需求
4.1.2 面向用戶的服務資源目錄本體建模層次結構
4.1.3 面向用戶的服務資源目錄本體建模元語
4.1.4 服務資源目錄本體元模型的OWL DL描述
4.2 服務資源目錄本體自學習方法
4.2.1 基本原理
4.2.2 電子商務Web頁面預處理
4.2.3 基於目錄網站層次的目錄本體概念獲取
4.2.4 基於語義和關聯規則的概念關系學習
4.2.5 基於模式匹配和在線統計的屬性識別
4.3 服務資源實例發現方法
4.3.1 基本思想
4.3.2 Web網頁中個體知識表示特征
4.3.3 基於本體的網頁主題概念和個體知識表示特征的判定
參考文獻
第5章 服務資源智能聚合技術
5.1 服務資源本體實例消重機制
5.1.1 實例名稱語義相似度計算
5.1.2 實例屬性語義相似度計算
5.1.3 實例關系語義相似度計算
5.1.4 實例綜合語義相似度計算
5.1.5 實例消重過程
5.1.6 實例消重算法舉例
5.2 服務資源智能聚合系統關鍵技術
5.2.1 系統設計原理
5.2.2 服裝行業本體建模
5.2.3 數據庫模型設計
5.2.4 基於倒排模型的語義索引
5.2.5 語義信息檢索
5.3 服務資源智能聚合原型系統實現
參考文獻
第6章 服務資源智能推薦技術
6.1 基於語義的服務資源智能推薦技術
6.1.1 基於商品屬性隱性評分的協同過濾算法
6.1.2 基於模糊聚類和資源平滑的協同過濾算法
6.1.3 基於本體的B2B電子商務MAS模型及商品匹配算法
6.1.4 基於本體的語義相似性的協同過濾算法
6.2 基於適合度的服務資源智能推薦技術
6.2.1 FQoS適合度匹配算法
6.2.2 QoS適合度匹配算法
6.3 基於興趣度的服務資源智能推薦方法
參考文獻
第7章 服務資源組合與推薦技術
7.1 基於服務屬性多層關聯規則的服務資源組合智能推薦技術
7.1.1 服務組合方法相關基礎理論
7.1.2 基於服務屬性多層關聯規則的服務資源組合推薦基本原理
7.1.3 基於服務屬性多層關聯規則的服務組合推薦案例研究
7.2 基於模型優化的服務資源組合智能推薦方法
7.2.1 組合服務的QoS計算相關基礎理論
7.2.2 基於模型優化的服務資源組合智能推薦基本原理
7.2.3 基於模型優化的服務組合推薦案例研究
參考文獻
