17、用户中心本体填充与基于本体的数据摘要在推荐系统中的应用

用户中心本体填充与基于本体的数据摘要在推荐系统中的应用

在当今信息爆炸的时代，本体填充和推荐系统在各个领域都发挥着至关重要的作用。本文将探讨用户中心本体填充的相关实验以及基于本体的数据摘要在语义感知推荐系统中的应用。

用户中心本体填充实验

• 不同分类方法性能比较

  • 实验比较了三种层次分类方法，分别是扁平层次分类方法、自上而下按父节点方法和组合层次分类方法。
  • 扁平层次分类方法在前 3 层表现良好，但在第 4 层，由于类的数量显著增加，性能下降。此外，由于类标签数量过多，无法为层次结构的最低层构建扁平的 SVM、RF 和 LR 模型。
  • 自上而下按父节点方法在 HITS@1 上显示出可比的结果，但由于前一层的错误传播，HITS@10 的性能较差。
  • 组合层次分类方法在层次结构的所有级别上都优于其他方法。
    |分类方法|HITS@1 表现|HITS@10 表现|
    | ---- | ---- | ---- |
    |扁平层次分类方法|未提及|前 3 层良好，第 4 层下降|
    |自上而下按父节点方法|可比|较差|
    |组合层次分类方法|未提及|最优|

• 本体维护实验

  1. 添加新实例
     • 为用户知识库添加新实例。首先为已对齐的用户层次结构的每个级别构建 CNN 模型。