貝葉斯網(wǎng)及其在網(wǎng)上智能中的應(yīng)用研究.pdf

1、為了闡述網(wǎng)上智能中的知識(shí)發(fā)現(xiàn),該文以電子商務(wù)中的知識(shí)發(fā)現(xiàn)為例,具體分析了在B2C電子商務(wù)網(wǎng)站中進(jìn)行知識(shí)發(fā)現(xiàn)的流程、技術(shù)和應(yīng)用,并對(duì)未來的發(fā)展進(jìn)行了展望.該文采用的知識(shí)表達(dá)機(jī)制主要是貝葉斯網(wǎng).結(jié)合國(guó)內(nèi)外最新的研究成果,我們概括了貝葉斯網(wǎng)模型的學(xué)習(xí)、推理方法和應(yīng)用情況,討論了貝葉斯網(wǎng)未來的發(fā)展方向,并提出了一種改進(jìn)的EI-B&B-MDL算法.該算法充分利用貝葉斯網(wǎng)自身結(jié)構(gòu)特點(diǎn)和樣本信息所體現(xiàn)的知識(shí),在利用條件獨(dú)立性測(cè)試有效壓縮搜索空間的基礎(chǔ)

2、上,再次利用所學(xué)的互信息知識(shí)引導(dǎo)B&B-MDL評(píng)分搜索過程,加快了算法的學(xué)習(xí)過程.實(shí)驗(yàn)表明:該算法在保證學(xué)習(xí)精度的前提下整體的時(shí)間性能比原算法有較大的改進(jìn).基于上述工作,該文探討了貝葉斯網(wǎng)模型在網(wǎng)上智能的兩個(gè)重要領(lǐng)域——網(wǎng)上推薦系統(tǒng)和網(wǎng)上智能教學(xué)系統(tǒng)中的應(yīng)用.針對(duì)網(wǎng)上推薦系統(tǒng)的個(gè)性化問題,該文設(shè)計(jì)了一個(gè)基于貝葉斯網(wǎng)客戶購(gòu)物模型的推薦系統(tǒng),它把推薦過程形式化為客戶購(gòu)物信息的知識(shí)表達(dá)和不定性知識(shí)的概率推理過程,并把群體客戶的一般特征和客戶個(gè)

3、性的行為特征結(jié)合在客戶模型的學(xué)習(xí)中.為了實(shí)現(xiàn)更深層次的個(gè)性化推薦,該文又提出了一種基于多級(jí)客戶模型的個(gè)性化商品推薦機(jī)制.該機(jī)制首先利用客戶的購(gòu)物事務(wù)庫(kù)得到客戶購(gòu)物模型,通過推薦引擎的推理得到每個(gè)客戶各自的推薦集合,然后利用客戶自身的偏愛和消費(fèi)模型,進(jìn)一步對(duì)推薦集合中的商品類進(jìn)行定制和定位,過濾出客戶喜愛并有能力購(gòu)買的商品,完成個(gè)性化的商品推薦.這種方法借助多級(jí)客戶模型從客戶的購(gòu)物需求、偏愛特征和消費(fèi)能力三方面捕獲客戶的實(shí)際需要,凸現(xiàn)了客