信息推薦系統是解決網際網路海量信息資源出現“信息過載”問題的非常有潛力的方法。本書根據國內外信息推薦系統的發展和在作者最新科研成果的基礎上，較為系統地介紹信息推薦系統的原理、技術和套用，為用戶提供個性化的信息推薦服務。本書首先介紹信息推薦系統的基礎知識，在此基礎上，探討信息推薦系統在電子商務領域的套用，包括基於領域本體的商品信息推薦系統、基於Web挖掘的商品信息推薦系統和基於案例推理的商品信息推薦系統。此外，本書還對信息推薦系統的研究熱點進行探討，包括基於社會化標籤的信息推薦系統和基於情境感知的信息推薦系統。本書適合從事信息管理和套用、信息系統設計與開發、企業信息系統等相關領域的廣大工程技術人員和管理人員參考，同時也可作為高等院校信息管理系統、計算機套用、電子商務等專業的高年級本科生、研究生的教學參考書。
基本介紹
- 外文名：Information Recommendation System
- 書名：信息推薦系統
- 作者：曾子明
- 出版日期：2013年5月1日
- 語種：簡體中文
- ISBN：9787030374011
- 出版社：科學出版社
- 頁數：216頁
- 開本：5
內容簡介,圖書目錄,序言,
內容簡介
《信息推薦系統》適合從事信息管理和套用、信息系統設計與開發、企業信息系統等相關領域的廣大工程技術人員和管理人員參考，同時也可作為高等院校信息管理系統、計算機套用、電子商務等專業的高年級本科生、研究生的教學參考書。
圖書目錄
第1章信息推薦系統概論
11網路信息資源及獲取服務模式
111網路信息資源
112信息獲取服務模式
12基於“信息推送”模式的信息推薦系統
121信息推薦系統的概念與通用模型
122信息推薦系統與個性化信息服務
123信息推薦系統的研究內容
124信息推薦系統的分類
125信息推薦系統的發展現狀和實例
13信息推薦系統的套用領域和研究熱點
131信息推薦系統的套用領域
132信息推薦系統的研究熱點
參考文獻
第2章信息推薦技術和系統設計
21信息推薦系統的相關技術
211信息檢索和信息過濾
212數據挖掘技術
213信息推薦算法概述
22信息推薦的系統分析與設計
221信息推薦的系統分析
222信息推薦的系統設計
23信息推薦的系統開發方法
231原型法的基本思想
232基於原型法的信息推薦系統開發過程
參考文獻
第3章信息內容過濾推薦系統
31引言
32內容過濾推薦系統的相關技術
321信息檢索模型
322文本特徵抽取
33內容過濾推薦系統的模型和算法
331基於內容過濾的信息推薦模型
332基於向量空間模型匹配的信息推薦算法
333基於樸素貝葉斯分類的信息推薦算法
34內容過濾推薦系統的用戶反饋
小結
參考文獻
第4章信息協同過濾推薦系統
41引言
42基於記憶體的信息協同過濾推薦
421基於用戶的信息協同過濾
422基於項目的信息協同過濾
43基於模型的信息協同過濾推薦
431基於降維技術的協同過濾推薦
432基於聚類的協同過濾推薦
433基於貝葉斯的協同過濾推薦
44移動環境下基於隱式評分的部落格推薦
441問題的提出
442相關工作
443隱式評分的計算方法
444基於隱式評分的協同過濾推薦算法
445實驗及結果分析
小結
參考文獻
第5章基於領域本體的商品信息推薦系統
51基於領域本體的商品信息組織方法
511問題的提出
512商務信息資源特點的研究
513商務信息的本體建模
514商務信息語義互操作及其本體映射方法
52基於領域本體的商品信息內容過濾推薦模型
521商品推薦中的信息語義標記
522基於內容過濾的語義信息推薦
53基於領域本體和多屬性決策方法的商品信息推薦模型
531商品信息推薦模型
532實驗及結果分析
54基於領域本體的商品信息協同過濾推薦模型
541語義信息協同過濾推薦模型
542實驗與結果分析
小結
參考文獻
第6章基於Web挖掘的商品信息推薦系統
61問題的提出
62點擊流相關理論和技術
621點擊流簡述
622基於點擊流的商品信息個性化推薦服務
63Web挖掘技術
631Web挖掘簡述
632Web挖掘與商品信息推薦系統
64基於Web挖掘的商品信息推薦模型
641商品信息推薦系統的體系結構
642商品分類樹
643基於點擊流的顧客偏好分析
644基於點擊流的商品關聯規則挖掘
645商品信息推薦算法
65商品信息推薦的實驗及結果分析
小結
參考文獻
第7章基於案例推理的商品信息推薦系統
71問題的提出
72智慧型Agent
721Agent技術概述
722Agent的抽象結構
73案例推理的決策支持
731案例推理技術
732基於案例推理的決策支持流程
733基於案例推理的智慧型信息推薦
74基於案例推理的商品信息推薦模型
741基於CBR的系統解決方案
742基於CBR的商品信息推薦系統結構
743實例分析
75基於JADE平台的推薦系統集成與Web套用
751Agent的系統集成
752Web套用設計
小結
參考文獻
第8章基於社會化標籤的信息推薦系統
81社會化標籤系統與信息推薦
811社會化標籤系統概述
812社會化標籤系統的特點
813社會化標籤系統的實例
814社會化標籤推薦——信息推薦研究的新視角
82基於社會化標籤的相關信息推薦技術
821基於協同過濾的標籤推薦
822基於內容過濾的標籤推薦
823基於圖的標籤推薦
83基於社區標籤雲的信息推薦模型
831基於社會化標籤的聚類
832基於社區標籤雲的個性化推薦
833實例分析
小結
參考文獻
第9章基於情境感知的信息推薦系統
91情境感知信息推薦的提出
911情境感知推薦——個性化信息服務新模式
912情境感知推薦的研究現狀
92融合多種情境的信息多維推薦服務模型
921情境信息識別獲取與語義描述方法研究
922信息資源多維推薦服務模型
923基於情境感知的信息資源推薦算法
924信息多維推薦服務的系統體系結構
93基於情境感知的個性化信息協同過濾推薦
931基於情境感知的協同過濾推薦
932實驗及結果分析
94基於情境感知的移動數字圖書館信息推薦
941情境感知的移動閱讀推薦——數字圖書館個性化服務新模式
942基於情境熵的情境感知度
943基於情境感知的協同過濾推薦
944實驗及結果分析
小結
參考文獻
11網路信息資源及獲取服務模式
111網路信息資源
112信息獲取服務模式
12基於“信息推送”模式的信息推薦系統
121信息推薦系統的概念與通用模型
122信息推薦系統與個性化信息服務
123信息推薦系統的研究內容
124信息推薦系統的分類
125信息推薦系統的發展現狀和實例
13信息推薦系統的套用領域和研究熱點
131信息推薦系統的套用領域
132信息推薦系統的研究熱點
參考文獻
第2章信息推薦技術和系統設計
21信息推薦系統的相關技術
211信息檢索和信息過濾
212數據挖掘技術
213信息推薦算法概述
22信息推薦的系統分析與設計
221信息推薦的系統分析
222信息推薦的系統設計
23信息推薦的系統開發方法
231原型法的基本思想
232基於原型法的信息推薦系統開發過程
參考文獻
第3章信息內容過濾推薦系統
31引言
32內容過濾推薦系統的相關技術
321信息檢索模型
322文本特徵抽取
33內容過濾推薦系統的模型和算法
331基於內容過濾的信息推薦模型
332基於向量空間模型匹配的信息推薦算法
333基於樸素貝葉斯分類的信息推薦算法
34內容過濾推薦系統的用戶反饋
小結
參考文獻
第4章信息協同過濾推薦系統
41引言
42基於記憶體的信息協同過濾推薦
421基於用戶的信息協同過濾
422基於項目的信息協同過濾
43基於模型的信息協同過濾推薦
431基於降維技術的協同過濾推薦
432基於聚類的協同過濾推薦
433基於貝葉斯的協同過濾推薦
44移動環境下基於隱式評分的部落格推薦
441問題的提出
442相關工作
443隱式評分的計算方法
444基於隱式評分的協同過濾推薦算法
445實驗及結果分析
小結
參考文獻
第5章基於領域本體的商品信息推薦系統
51基於領域本體的商品信息組織方法
511問題的提出
512商務信息資源特點的研究
513商務信息的本體建模
514商務信息語義互操作及其本體映射方法
52基於領域本體的商品信息內容過濾推薦模型
521商品推薦中的信息語義標記
522基於內容過濾的語義信息推薦
53基於領域本體和多屬性決策方法的商品信息推薦模型
531商品信息推薦模型
532實驗及結果分析
54基於領域本體的商品信息協同過濾推薦模型
541語義信息協同過濾推薦模型
542實驗與結果分析
小結
參考文獻
第6章基於Web挖掘的商品信息推薦系統
61問題的提出
62點擊流相關理論和技術
621點擊流簡述
622基於點擊流的商品信息個性化推薦服務
63Web挖掘技術
631Web挖掘簡述
632Web挖掘與商品信息推薦系統
64基於Web挖掘的商品信息推薦模型
641商品信息推薦系統的體系結構
642商品分類樹
643基於點擊流的顧客偏好分析
644基於點擊流的商品關聯規則挖掘
645商品信息推薦算法
65商品信息推薦的實驗及結果分析
小結
參考文獻
第7章基於案例推理的商品信息推薦系統
71問題的提出
72智慧型Agent
721Agent技術概述
722Agent的抽象結構
73案例推理的決策支持
731案例推理技術
732基於案例推理的決策支持流程
733基於案例推理的智慧型信息推薦
74基於案例推理的商品信息推薦模型
741基於CBR的系統解決方案
742基於CBR的商品信息推薦系統結構
743實例分析
75基於JADE平台的推薦系統集成與Web套用
751Agent的系統集成
752Web套用設計
小結
參考文獻
第8章基於社會化標籤的信息推薦系統
81社會化標籤系統與信息推薦
811社會化標籤系統概述
812社會化標籤系統的特點
813社會化標籤系統的實例
814社會化標籤推薦——信息推薦研究的新視角
82基於社會化標籤的相關信息推薦技術
821基於協同過濾的標籤推薦
822基於內容過濾的標籤推薦
823基於圖的標籤推薦
83基於社區標籤雲的信息推薦模型
831基於社會化標籤的聚類
832基於社區標籤雲的個性化推薦
833實例分析
小結
參考文獻
第9章基於情境感知的信息推薦系統
91情境感知信息推薦的提出
911情境感知推薦——個性化信息服務新模式
912情境感知推薦的研究現狀
92融合多種情境的信息多維推薦服務模型
921情境信息識別獲取與語義描述方法研究
922信息資源多維推薦服務模型
923基於情境感知的信息資源推薦算法
924信息多維推薦服務的系統體系結構
93基於情境感知的個性化信息協同過濾推薦
931基於情境感知的協同過濾推薦
932實驗及結果分析
94基於情境感知的移動數字圖書館信息推薦
941情境感知的移動閱讀推薦——數字圖書館個性化服務新模式
942基於情境熵的情境感知度
943基於情境感知的協同過濾推薦
944實驗及結果分析
小結
參考文獻
序言
我們生活在一個越來越依靠信息的時代，並正在向數位化時代邁進。數位化時代來臨時，各種信息資源的電子化傳遞都將成為數位化經濟的標誌。信息社會化、社會信息化，信息生產與消費促進了信息產業和信息技術的飛速發展。當前，網際網路已經成為人們獲取信息的重要來源，是人們獲取信息、改變生活方式、贏得商機的重要媒介。然而，網際網路規模和信息資源的迅猛增長帶來了信息過載的問題，人們面臨“信息豐富、但有用信息獲取困難”的窘境，從網際網路中有效地獲取信息日益困難。目前，搜尋引擎是最普遍的輔助人們獲取信息的工具，但它只能滿足主流需求，沒有考慮用戶的個性化信息需求，仍然無法很好地解決信息過載的問題。以“信息推送”為服務模式的信息推薦系統，是當前解決信息過載問題的主要手段，它能夠在分析預測用戶需求的基礎上主動推送用戶可能需要但又無法獲取的有用信息，並能夠以用戶為中心，通過研究用戶行為、興趣和環境等，為用戶推薦更具針對性的信息，即實現信息的“按需定製服務”。
信息推薦系統作為一種人機互動系統，主要套用信息檢索、信息過濾、數據挖掘、人工智慧等多種技術和方法為用戶提供“信息推送”服務，幫助用戶在網際網路海量信息中篩選符合其個性化需求的信息資源，為用戶帶來全新的信息服務體驗。隨著電子商務、Web2．0和社交網路的流行和發展，信息推薦系統作為信息服務科學的一個重要研究領域，已得到國內外學者、研究機構和企業界的廣泛關注。因此，系統地探討信息推薦系統的基本原理、技術以及研究熱點，無疑將從理論和實踐上推動信息推薦系統的進一步發展。
本書是教育部人文社會科學青年項目和國家自然科學基金青年項目的成果之一。本書較系統和全面地論述信息推薦系統的相關原理、技術和套用，全書內容較新穎，反映了信息系統和信息服務領域的發展動態以及作者多年來的研究成果。全書共9章：
第1章是概論部分，在介紹兩種服務模式的基礎上探討基於“推送”模式的信息推薦系統，包括它的套用領域和研究熱點。
第2章首先介紹信息推薦的基本技術，並從信息系統的角度探討信息推薦系統的設計方法與開發的基本原則。
第3章介紹信息內容過濾推薦的模型和方法，包括信息內容過濾推薦的相關技術、信息內容過濾推薦的系統模型和相關算法、信息內容過濾推薦的用戶反饋機制等。
第4章首先介紹兩種基本的信息協同過濾推薦方法，在此基礎上介紹基於模型的協同過濾推薦方法，並提出一種移動環境下基於隱式評分的部落格信息推薦方法。
第5章在探討基於領域本體的商品信息組織方法基礎上，從不同研究視角提出相應的基於領域本體的商品信息推薦模型。
第6章針對顧客經常購買的商品，提出一種基於Web挖掘技術的商品信息推薦系統。
第7章針對專業知識較強、顧客購買頻率較低的商品，提出一種基於案例推理的商品信息推薦系統，為顧客購物提供諮詢服務和決策支持。
第8章首先介紹社會化標籤系統以及目前基於社會化標籤的信息推薦相關技術；在此基礎上，提出一種基於社會化標籤的信息推薦模型。
第9章針對泛在環境下用戶個性化信息需求具有情境敏感性，研究基於情境感知的信息資源推薦服務的理論、模型與方法，從不同研究視角提出相應基於情境感知的信息推薦方法。
本書在撰寫、成稿的過程中，參考了國內外許多專家、學者的論著，他們的成果為本書提供了豐富的素材和理論支撐，並在每章的參考文獻中進行了標註，如果有不慎遺漏的，在此表示歉意。
感謝我的父母和妻子，他們在我的寫作過程中給予了極大的支持，並為寫作創造了良好的條件。
信息推薦系統是一個新的信息系統研究領域，發展迅速，需要進一步深入研究的問題很多，希望本書的出版能起到拋磚引玉的作用。儘管作者在項目研究和本書撰寫過程中付出了艱辛的努力，但由於該領域研究內容新，一些理論方法和技術還在發展之中，書中難免存在不足之處，歡迎讀者不吝賜教。
曾子明
2012年12月
信息推薦系統作為一種人機互動系統，主要套用信息檢索、信息過濾、數據挖掘、人工智慧等多種技術和方法為用戶提供“信息推送”服務，幫助用戶在網際網路海量信息中篩選符合其個性化需求的信息資源，為用戶帶來全新的信息服務體驗。隨著電子商務、Web2．0和社交網路的流行和發展，信息推薦系統作為信息服務科學的一個重要研究領域，已得到國內外學者、研究機構和企業界的廣泛關注。因此，系統地探討信息推薦系統的基本原理、技術以及研究熱點，無疑將從理論和實踐上推動信息推薦系統的進一步發展。
本書是教育部人文社會科學青年項目和國家自然科學基金青年項目的成果之一。本書較系統和全面地論述信息推薦系統的相關原理、技術和套用，全書內容較新穎，反映了信息系統和信息服務領域的發展動態以及作者多年來的研究成果。全書共9章：
第1章是概論部分，在介紹兩種服務模式的基礎上探討基於“推送”模式的信息推薦系統，包括它的套用領域和研究熱點。
第2章首先介紹信息推薦的基本技術，並從信息系統的角度探討信息推薦系統的設計方法與開發的基本原則。
第3章介紹信息內容過濾推薦的模型和方法，包括信息內容過濾推薦的相關技術、信息內容過濾推薦的系統模型和相關算法、信息內容過濾推薦的用戶反饋機制等。
第4章首先介紹兩種基本的信息協同過濾推薦方法，在此基礎上介紹基於模型的協同過濾推薦方法，並提出一種移動環境下基於隱式評分的部落格信息推薦方法。
第5章在探討基於領域本體的商品信息組織方法基礎上，從不同研究視角提出相應的基於領域本體的商品信息推薦模型。
第6章針對顧客經常購買的商品，提出一種基於Web挖掘技術的商品信息推薦系統。
第7章針對專業知識較強、顧客購買頻率較低的商品，提出一種基於案例推理的商品信息推薦系統，為顧客購物提供諮詢服務和決策支持。
第8章首先介紹社會化標籤系統以及目前基於社會化標籤的信息推薦相關技術；在此基礎上，提出一種基於社會化標籤的信息推薦模型。
第9章針對泛在環境下用戶個性化信息需求具有情境敏感性，研究基於情境感知的信息資源推薦服務的理論、模型與方法，從不同研究視角提出相應基於情境感知的信息推薦方法。
本書在撰寫、成稿的過程中，參考了國內外許多專家、學者的論著，他們的成果為本書提供了豐富的素材和理論支撐，並在每章的參考文獻中進行了標註，如果有不慎遺漏的，在此表示歉意。
感謝我的父母和妻子，他們在我的寫作過程中給予了極大的支持，並為寫作創造了良好的條件。
信息推薦系統是一個新的信息系統研究領域，發展迅速，需要進一步深入研究的問題很多，希望本書的出版能起到拋磚引玉的作用。儘管作者在項目研究和本書撰寫過程中付出了艱辛的努力，但由於該領域研究內容新，一些理論方法和技術還在發展之中，書中難免存在不足之處，歡迎讀者不吝賜教。
曾子明
2012年12月
