摘要: 随着互联网上信息资源的日益增多，用户对个性化服务的要求也日益提高。现有的个性化服务系统分别拥有自己的用户模型，即使存储了相同或相似的用户信息也不能共享。因此，用户要访问多个个性化服务系统时，不得不重复注册自己的信息。跨系统个性化服... 展开 随着互联网上信息资源的日益增多，用户对个性化服务的要求也日益提高。现有的个性化服务系统分别拥有自己的用户模型，即使存储了相同或相似的用户信息也不能共享。因此，用户要访问多个个性化服务系统时，不得不重复注册自己的信息。跨系统个性化服务以用户为中心，能在不同的系统之间重用用户信息，从而可以解决上述问题。 本文主要研究面向跨系统个性化服务的多源用户模型的聚合方法。研究的具体内容如下。 首先，针对现有用户模型中用户个人偏好的表示方法不够准确的问题，构建了一种基于领域本体的用户模型，给出了用户模型的形式化描述，讨论了用户模型的学习和更新过程，并且详细分析了同一领域中的多源用户模型的聚合过程。 其次，针对现有本体概念相似度的计算方法不够准确的问题，提出了一种本体概念综合相似度的计算模型；针对多源用户模型聚合过程中用户聚类算法的不足，通过构建用户内积空间模型，给出了用户相似度的计算方法，提出了一种基于用户内积空间模型的用户聚类算法，并且从多个方面与其它算法进行对比实验，验证了该算法的有效性。 最后，在多源用户模型的聚合过程中，针对本体映射中概念相似度计算不够准确的问题，提出了基于概念综合相似度计算的本体映射方法，并且对多个本体间的映射策略进行了分析。把该本体映射方法用于模型聚合过程中，通过实验验证了用户模型聚合方法的有效性。 收起