"基于情境感知及糢糊理论的智慧型推荐系统"分享汇总

汇总如下：

1.情景分为：运算情景，用户情景和实体情景；
2.运算情景为具体的硬件，网络设备；用户情景为用户的偏好行为以及个人档案；实体情景为具体的环境，温度湿度等；
3.模糊理论也就是最终获取一个概率值，而不是传统的是否二分法；
4.集合A和集合B，那么A和B的匹配度为(A交B/A并B);
5.对中文文章的文本处理包括：切词，词语重组，词过滤，同意转换和构建关键词；
6.词重组具体："中华人民共和国"切词为“中华”和“人民共和国”那么进行重组为“中华人民共和国”;
7.同意转换为“中华人民共和国”等同于"中国"；
8.构建关键词为计算tf-idf
9.词的热度公式为:(Af[i]-Af[min])/(Af[max]-Af[min]),其中f为某词点击次数；
10.需要基于知识库构建词汇延伸关系，如中国出现的时候都会出现美国，那么中国这个词的延伸词为美国；
11.基于词汇延伸关系构建定制模糊规则；
12.构建用户场景的时候要考虑偏好的时间性，可以通过构建环来实现，如[0,10,0]当某偏好的值达到10的时候清零；

几种重要的点：

1.同义词知识库；
2.词汇延伸知识库；
3.用户喜好的时间性；
4.构建模糊规则；
5.关联关系;

 

更多详情参见附件