论文部分内容阅读
随着互联网产业的迅速发展,服务变得越来越多样化,顾客需求也变得越来越复杂。如何为顾客推荐能满足其个性化需求的服务成为了服务计算领域的热点问题,传统的服务推荐方法如协同过滤算法虽然得到了广泛的应用,但由于这些方法通常缺乏对服务内容细节及其潜在语义相关性的分析,所以就其准确率而言还有很大的提升空间。同时,服务数量的大量增加使得服务竞争愈发激烈,所以对于服务的提供方——服务提供者而言,就需要持续不断的改进其提供的服务。针对上述研究背景,本文将顾客评论作为研究切入点,因为顾客评论中蕴含着大量能表达顾客具体兴趣偏好的信息,在本课题中,这些信息被称为用户兴趣关注点POI,即顾客与服务进行交付过程之中顾客所关注的能体现服务价值的特征。本文首先对顾客评论数据中的POI进行挖掘,通过将多方位的信息融入到知识图谱结构中生成POI感知知识图谱,并利用该知识图谱为顾客提供服务推荐和为服务提供者提供服务内容上的改进推荐。具体研究内容包括以下4个部分:(1)用户兴趣关注点POI挖掘及精炼处理:本文采用一种无监督机器学习算法对顾客评论数据中的用户兴趣关注点POI进行挖掘,然后使用情感分析技术分析顾客对于POI的具体情感倾向以细粒度的刻画顾客画像,最后对具有高语义相似度的POI进行近义词归一化。(2)POI感知知识图谱的构建及表示学习:将用户兴趣关注点POI融入到知识图谱的构建之中,按照实体抽取、关系抽取、属性抽取的顺序对知识图谱的构造过程进行了设计,最终生成POI感知知识图谱,并在最后对知识图谱进行了知识表示学习,为后续工作打下基础。(3)面向顾客个性化需求的服务推荐:借助POI感知知识图谱,针对供需关系中的顾客方,提出了一种基于知识图谱表示学习的推荐算法,然后通过实验找出算法的最优参数设置,并设计了多种常用推荐算法作为对比,验证了算法的优越性与可行性。(4)面向提供者的待改进服务内容推荐:借助POI感知知识图谱,针对供需关系中的服务提供者方,设计了一种新颖的待改进服务内容推荐算法。首先提出了服务竞争关系图、警戒程度等概念,并由此为基础设计了为服务提供者推荐待改进的服务内容的推荐算法,最后进行了相关实验对推荐算法进行了性能分析并给出了案例分析。本文以顾客评论数据中的用户兴趣关注点POI挖掘为基础,构造了包含顾客信息、服务提供者信息、POI信息及其之间关系的POI感知知识图谱,并在POI感知知识图谱的基础上,为顾客设计了推荐其可能感兴趣的服务提供者的推荐算法以及为服务提供者设计了推荐其需要改进的服务内容的推荐算法。