从现有的组里抽样获取要素,利用类似算法求出对象与组之间的距离,找出最为类似
的组并将该对象归入该组。
iv：自然语言解析算法
自然语言解析是指将对象文章按单词的单位分割,并将其生成一个个的标签(tag),
进而选出必要的名词(如已知和未知的名词),计算出其出现频度,考虑其在文章中的位置,
文章的长度等因素,并进行关键字重复度处理.在必要的时候,可提供禁用词汇的管理机能
以及对现实生活中没有特别意义的名词不予登录(象对禁用语的处理一样)的机能.
预计开发产品的特点
① 关于算法
在对2.1.2中介绍的协调过滤系统的各种算法和上一节中介绍的各种数学模型进行分析后，我们在前期开发中进行了大量的模拟实验。
首先，协调过滤的算法可以分成3类。
其一，Active Collaborative Filtering。利用这一技术，互相了解的用户之间可以相互指定，（当然有安全保密上的限制），获得彼此有用的信息（包含电子邮件）。可以和这个领域之内的专家保持同步。这次列在预计开发范围之内。
其二，Automated Collaborative Filtering 和Feature Guided Automated Collaborative Filtering。从效率和精度的角度多方分析的结果上看，Feature Guided Automated Collaborative Filtering遥遥领先。因为本次开发准备採用FGACF。
其三，Content-Based Collaborative Filtering。这次准备分阶段实现。首先是以文章情报为对象，然后再考虑其它的媒介。
其次，对算法中使用的数学模型进行了分析。
在Cluster诸算法之中，Wood法和群平均法的精度较好。
分组计算方面，基本上是利用类似算法。分组所使用的类似算法中Jaccard’s Coefficient
法，平均最小二乘距离法，改良二值距离法的精度比较理想。
Clustering方法和分组算法的目的是相同的。Clustering的特点是精度高，但处理速度较慢。分组算法则恰恰相反。可以靠系统控制参数来平衡这两种方法的使用，根据系统的规模灵活调整。
判别类似的对象有4种，即用户（属性）对用户（属性）的类似，文章（属性）对文章（属性）的类似，用户（属性）对文章（属性）的类似及关键字的类似。判断的对象不同，评价结果也各不相同。对于用户间的类似和文章间的类似来说，按Jaccard’s Coefficient法，平均最小二乘距离法，改良二值距离法距离法，皮尔森相关法的顺序，计算精度比较理想。而对用户和文章的类似来说，则按改良二值距离法，Jaccard’s Coefficient法,平均最小二乘距离法，皮尔森相关法的顺序,为计算精度的顺次。关键字的类似考虑用统计学的方法去实现。另外,由于必须确定提供范围的域值，所以同距离算法相比,相关算法要适合得多。如果将上面几种方法组合起来使用，相信还会进一步提高推荐精度。
② 关于提供的服务
对一般用户主要提供以下服务：
・ 推荐服务：寻找和对象用户的相似用户，把对象用户未访问过的文章向其推荐；
・ 提供类似文章服务：提供和对象文章类似的文章的一览；
・ 检索结果的过滤服务：在检索结果的基础上，根据实施检索的用户的爱好，对结果进行挑选。
・ 新到情报的推荐服务：根据各个用户的不同要求，在一定的时期内，把新到情报提供给用户；
・ 用户特征指定服务：允许用户将其关注的单词/文章等在系统里登记或删除；
・ 类似关键字的提供服务：系统可提供与检索用关键字相类似的关键字一览表；
・ 热门网页的提供服务：提供受欢迎的网页的地址；
・ 个性广告的提供服务：对互联网服务商（ISP）来说，可根据用户的特点、爱好而主动提供恰到好处的广告；
为管理操作的方便，同时也向系统管理员提供机能丰富的服务。
③ 关于体系结构
・ 采用适合于互联网WWW服务系统开发的Java语言，以Servlet的形式开发；
・ 协调过滤系统属于Multi-Agent系统的一种，所以必须具有其分散处理的特性。本系统将采用计算机分散技术的标准-CORBA（Common Object Request Broker Architecture），来实现分散化处理；
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] 下一页