文献类型：期刊文章

作　　者：张彬[1] 徐建民[1] 吴姣[2]

Zhang Bin;Xu Jianmin;Wu Jiao(School of Management,Hebei University,Baoding 071002,China;Magazine House,Hebei University,Baoding 071002,China)

机构地区：[1]河北大学管理学院,河北保定071002 [2]河北大学期刊社,河北保定071002

出　　处：《现代情报》

基　　金：河北省社会科学基金项目“大数据环境下基于知识图谱的跨域信息推荐研究”(项目编号:HB20TQ002)。

年　　份：2021

卷　　号：41

期　　号：8

起止页码：36-44

语　　种：中文

收录情况：CSSCI、CSSCI2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX

摘　　要：[目的/意义]针对大数据环境下用户兴趣数据稀疏、缺乏关联和描绘不准确等问题,利用知识图谱融合多源兴趣知识,以提高用户兴趣的全面性和准确性。[方法/过程]从兴趣之间的关联视角出发,进行兴趣建模、知识获取和知识融合,整合兴趣间的语义关联和社交网络关联,构建兴趣知识图谱;挖掘兴趣标签节点与上位词节点、百科标签节点、社交网络用户节点的关系,计算兴趣标签的语义关联度和社交网络关联度,生成复合关联权重,重构兴趣之间的衍生关系以实现用户的兴趣扩展。[结果/结论]该模型能够有效融合扩展不同类型的兴趣关联知识,相对于单一来源数据在用户兴趣的覆盖率和查准率方面均有所提升,提高了用户兴趣描绘的全面性和准确性。

关 键 词：大数据 知识图谱 用户 兴趣扩展  模型  

分 类 号：G254[图书情报与档案管理类]