本书以文本挖掘和机器学习作为基本的技术方法, 从 “用户—项目—情境” 关系的不同展开维度来发展和构建情境感知推荐方法, 关注情境感知推荐系统中相关情境的识别问题, 选取多个领域的中文语料和数据集开展计算机实验。 本书研究成果可以为信息推荐、信息检索及中文信息处理等相关领域的研究和实践提供参考。
史海燕，女，1978年生，毕业于南开大学情报学专业，博士，硕士生导师。主要研究方向为信息推荐、信息组织与信息检索、知识图谱等，主持国家社会科学基金项目“基于文本挖掘和机器学习的情境感知推荐方法研究”，主持省厅级项目多项，在本领域高水平期刊发表学术论文30余篇，主编教材《信息组织》和《信息检索方法与技术：理论与实验》，主持省部级教改课题多项，获评河北省“调研河北”省级优秀指导教师等荣誉称号。
目 录
第1章 绪 论001
1.1 研究背景 / 001
1.2 研究目的与研究意义 / 003
1.2.1 研究目的 / 003
1.2.2 研究意义 / 004
1.3 国内外研究现状 / 004
1.3.1 CARS的主要技术方法 / 005
1.3.2 CARS的主要应用领域 / 008
1.3.3 国内外研究现状述评 / 012
1.4 研究内容与研究方法 / 013
1.4.1 研究内容 / 013
1.4.2 研究方法 / 015
1.5 研究思路与创新点 / 016
1.5.1 研究思路 / 016
1.5.2 创新点 / 018
第2章 相关概念与理论基础019
2.1 推荐系统 / 019
2.1.1 推荐系统的概念与发展 / 019
2.1.2 推荐系统的分类 / 020
2.2 情境与情境感知 / 023
2.2.1 情境的内涵与界定 / 023
2.2.2 情境感知的内涵与界定 / 026
2.3 情境感知推荐系统 / 027
2.3.1 情境感知推荐系统的概念 / 027
2.3.2 情境感知推荐系统的基本模式 / 028
2.3.3 情境感知推荐系统的基本方法 / 031
2.4 文本挖掘与机器学习 / 033
2.4.1 文本挖掘的概念与主要方法 / 033
2.4.2 机器学习的概念与主要方法 / 034
2.5 理论基础 / 035
2.5.1 信息需求与信息行为相关理论 / 036
2.5.2 情境感知系统相关理论 / 038
2.5.3 人机交互相关理论 / 039
第3章 基于评分和评论的用户偏好建模及推荐方法041
3.1 相关研究 / 041
3.2 基于向量空间模型的用户偏好建模及推荐方法 / 044
3.2.1 项目内容特征提取方法 / 045
3.2.2 用户兴趣度计算方法 / 051
3.2.3 项目排序方法 / 054
3.2.4 计算机实验 / 054
3.3 基于深度学习的用户偏好建模及推荐方法 / 065
3.3.1 评论文本的词嵌入 / 066
3.3.2 用户表示和项目表示的生成 / 067
3.3.3 项目排序方法 / 071
3.3.4 计算机实验 / 072
3.4 本章小结 / 081
第4章 相关情境的识别与建模083
4.1 相关研究 / 083
4.1.1 情境信息的获取 / 083
4.1.2 相关情境的识别 / 086
4.1.3 情境信息的表示与建模 / 090
4.2 相关情境识别的方法 / 091
4.3 基于用户调查的相关情境识别 / 092
4.3.1 情境要素及情境维度的确定 / 092
4.3.2 用户数据的收集 / 094
4.3.3 统计分析 / 099
4.4 相关情境的建模 / 109
4.5 本章小结 / 111
第5章 基于文本分类的情境要素兼容方法112
5.1 相关研究 / 112
5.2 单一情境要素的兼容方法 / 114
5.2.1 项目特征的提取 / 115
5.2.2 分类模型的选择 / 115
5.3 计算机实验 / 117
5.3.1 实验数据集 / 117
5.3.2 实验设计 / 120
5.3.3 实验结果 / 124
5.3.4 实验结果讨论 / 133
5.4 本章小结 / 134
第6章 基于知识图谱的情境感知推荐方法135
6.1 相关研究 / 135
6.1.1 知识图谱的构建及应用 / 135
6.1.2 基于知识图谱的推荐方法 / 136
6.2 方法整体框架 / 138
6.3 知识图谱的构建 / 139
6.3.1 知识图谱的形式化描述 / 139
6.3.2 情境实体及“项目—情境”关系的补全 / 140
6.4 情境预过滤与基于元路径的推荐方法 / 142
6.4.1 情境预过滤 / 142
6.4.2 基于元路径的推荐 / 144
6.5 计算机实验 / 147
6.5.1 实验数据集 / 147
6.5.2 “项目—情境”关系补全 / 148
6.5.3 知识图谱的生成及可视化 / 150
6.5.4 情境预过滤实验 / 151
6.5.5 路径采样实验 / 153
6.6 本章小结 / 156
第7章 基于情境词表的情境感知推荐方法157
7.1 相关研究 / 157
7.1.1 情境信息自动提取的方法 / 157
7.1.2 基于评论文本的情境感知推荐方法 / 158
7.1.3 评分预测的主要方法 / 160
7.2 方法整体框架 / 161
7.3 情境词表的构建 / 162
7.3.1 情境词的提取 / 164
7.3.2 情境组合的提取 / 164
7.4 用户与项目的情境化表示 / 165
7.4.1 划分评论文档并建立评分矩阵 / 165
7.4.2 评论文档预处理 / 166
7.4.3 词嵌入 / 166
7.4.4 用户和项目的情境化特征提取 / 167
7.5 评分预测模型 / 169
7.5.1 PMF模型 / 169
7.5.2 MLP模型 / 170
7.6 计算机实验 / 171
7.6.1 实验数据集 / 171
7.6.2 实验设计 / 172
7.6.3 实验过程 / 173
7.6.4 实验结果 / 176
7.6.5 实验结果讨论 / 191
7.7 本章小结 / 193
第8章 基于理论指导的情境感知推荐方法194
8.1 相关研究 / 194
8.1.1 信息行为研究与信息系统研究的关系 / 194
8.1.2 在线社区知识推荐 / 195
8.1.3 在线社区知识交流影响因素 / 196
8.2 理论基础 / 197
8.2.1 社会资本理论 / 197
8.2.2 信息系统成功模型 / 197
8.3 基于元分析的在线社区知识交流行为影响因素模型构建 / 198
8.3.1 研究假设与模型构建 / 199
8.3.2 文献筛选与编码 / 202
8.3.3 元分析过程 / 204
8.4 面向在线健康社区情境感知推荐的影响因素转换 / 209
8.5 在线健康社区情境感知协同推荐方法 / 215
8.5.1 方法整体框架 / 215
8.5.2 用户兴趣建模 / 216
8.5.3 用户属性建模 / 218
8.5.4 社交关系建模 / 218
8.5.5 基于KNN模型的情境感知推荐 / 223
8.6 计算机实验 / 224
8.6.1 实验数据集 / 224
8.6.2 实验设计 / 224
8.6.3 实验过程 / 225
8.6.4 模型评价 / 232
8.7 本章小结 / 233
第9章 情感识别与情感感知的推荐方法235
9.1 相关研究 / 235
9.1.1 情感的内涵及理论 / 235
9.1.2 情感识别 / 236
9.1.3 情感感知推荐 / 238
9.2 方法整体框架 / 239
9.3 基于评论文本的项目情感属性识别及推荐 / 241
9.3.1 基于评论文本的项目情感属性识别 / 241
9.3.2 用户情感偏好建模及推荐 / 242
9.3.3 计算机实验 / 243
9.4 基于歌词文本的音乐情感属性识别及推荐 / 248
9.4.1 音乐情感分类 / 248
9.4.2 歌词文本情感分类与推荐 / 250
9.4.3 歌词文本情感分类实验 / 251
9.5 本章小结 / 255
第10章 研究结论与展望256
10.1 研究结论与主要贡献 / 256
10.2 研究成果的应用建议 / 261
10.3 研究局限与未来展望 / 264
参考文献267
新书资讯
