第３６卷第３期 武汉理工大学学报（信息与管理工程版） Ｖｏ１．３６ Ｎｏ．３ ２０１４年６月 ＪＯＵＲＮＡＬ ＯＦ ＷＵＴ（ＩＮＦＯＲＭＡＴＩＯＮ＆ＭＡＮＡＧＥＭＥＮＴ ＥＮＧＩＮＥＥＲＩＮＧ） Ｊｕｎ．２０１４ 文章编号：２０９５—３８５２（２０１４）０３—０３４１～０４ 文献标志码：Ａ 基于用户兴趣图谱的个性化推荐系统设计 刘平峰 ，朱孔真 ，杨 柳 ，李 伟 （１．武汉理工大学经济学院，湖北武汉４３００７０；２．福建新奇特车业服务股份有限公司上海分公司，上海２０１８２４） 摘要：借鉴Ｗｅｂ２．０、社交网络、复杂网络、本体论和云计算等理论，设计了基于用户兴趣图谱的个性化 推荐系统结构，阐明了基于用户兴趣图谱的推荐原理，提出了用户兴趣图谱生成与集成方法，以及用户兴趣图 谱的动态演化与反馈机制，提高了推荐系统的推荐质量和精度。 关键词：兴趣图谱；个性化推荐；云计算；本体 中图分类号：ＴＰ３１ １ ＤＯＩ：１０．３９６３／ｊ．ｉｓｓｎ．２０９５—３８５２．２０１４．０３．０１２ １研究背景 可以解决其他用户模型的数据稀疏性和冷启动问 题，更能提供多样性推荐。因此引人用户兴趣的概 近年来互联网数据海量增长，个性化推荐成 念进行推荐是十分必要的 Ｊ。 为当前解决信息过载的最有效手段之一，是学术 基于兴趣图谱的推荐也由此成为近年来的一 界和电子商务界关注的热点¨Ｊ。尽管现有的推 个研究热点。不同于表示人与人之间关系的社交 荐系统已经在电子商务等领域取得了巨大的成 图谱，兴趣图谱关心的是事物而不是人，此外社交 功，但与激烈的市场竞争下企业的需求相差甚远， 图谱基本是静态的（除了偶尔结交朋友和删除朋 如Ｎｅｔｌｆｉｘ每年开出１００万美元的奖金，用以奖励 友），而兴趣图谱对单个用户是灵活、动态、易变 能把他们网上产品推荐精确度提高１０％的人。 的。兴趣图谱的涵义有两点：①标识个人身份的 现有推荐算法研究大多是基于顾客的特征或 特定、多样的兴趣；②试图基于这些兴趣将其连接 购买记录进行的，推荐算法仍存在冷启动、稀疏性、 起来。艾森哲公司认为，可以通过获取用户在不 精度和多样性等问题。随着ｗｅｂ２．０、社交网络、大 同网站的兴趣来进行推荐，如知道用户爱好郊游 数据和云计算技术的发展，使网络购物用户能够通 和滑雪、偏爱劳力士手表、购买过平板电脑时，可 过更多的渠道（包括网络购物网站、博客、论坛等） 以向其推荐豪华带液晶屏的越野车 Ｊ。建立用 发表有价值的评论信息＿２ｊ，这些评论所表达的意见 户兴趣图谱是实现智能代理与主动服务的基础， 和情感，将成为潜在顾客进行购物选择时的重要参 在这之前要对用户的阅读兴趣有相当的了解，并 考指标。除此之外，用户在网络购物环境下的各种 由此建立用户的描述模型 Ｊ。加州大学东湾分 行为信息也会反映出其本身的个性化信息，对其进 校的ＬＹＮＮＥ提出了兴趣图谱构建方法，包括兴 行正确地分析和有效地应对，对于网络购物网站的 趣选择、兴趣分类、基于社交网站和其他物理数据 发展具有至关重要的意义。基于兴趣图谱的推荐 的收集以及兴趣集成问题 ６ｊ。爱尔兰国立高威 理论为推荐系统质的突破带来希望，它依据用户所 大学数字企业研究中心（ＤＥＲＩ）提出跨网站基于 关注的订阅（如在Ｔｗｉｔｔｅｒ上）、购买的商品（如在 语义的用户兴趣图谱建模设想 ，他们通过将在 Ａｍａｚｏｎ上）、评级（如在视频网站Ｎｅｔｌｆｉｘ上）、运行 私有网站分享的用户信息进行整合，获取用户完 的搜索（如在Ｇｏｏｇｌｅ上）或者某些口味的评论（如 整兴趣图谱 Ｊ，并采用混合链路预测和基于内容 在Ｈｕｎｃｈ上）整合生成兴趣图谱，基于用户兴趣的 的扩散激活方法进行推荐 Ｊ。ＢＥＲＫＯＶＳＫＹ等提 相似性向目标用户进行高效推荐，这在很大程度上 出一种通用用户兴趣模型集成仲裁框架，利用从 收稿日期：２０１３—１２—２４． 作者简介：刘平峰（１９７２一），男，湖北荆门人，武汉理工大学经济学院副教授；博士． 基金项目：国家科技支撑计划基金资助项目（２Ｏ１３ＢＡＨ１３ＦＤ１，２０１２ＢＡＨ９３ＦＩＭ）；高校基本业务专项资金资助项目（２０１２一ＩＢ一０６０） 第３６卷第３期 刘平峰，等：基于用户兴趣图谱的个性化推荐系统设计 ３４３ （１）外部接口层。外部接口层可实现基于用 户兴趣图谱的个性化推荐服务器与用户的交互； 取合适方案，以Ｈａｄｏｏｐ为分布式架构基础构建混 合云平台，并开发云计算资源调度子系统用于资 提供兴趣图谱本体库和各数据库的管理界面；提 供与云资源调度子系统的接口。 （２）基于用户兴趣图谱的个性化推荐子系 统。该子系统提供用户兴趣图谱解析器、相似度 源管理、资源分配、监控管理、备份管理和安全管 理。在ＰａａＳ层设置数据云层，用于存储社交网站 云、交易数据云、兴趣图谱库云和本体库云等，为 上层用户兴趣图谱挖掘以及推荐系统提供基于云 及权值计算器、三部图构建器、用户偏好挖掘器、 情境感知接收器、个性化推荐引擎和３个推荐模 块。用户兴趣图谱解析器用于根据已建立的用户 兴趣图谱库对用户兴趣图谱进行解析；相似度及 权值计算器用于计算基于兴趣的用户相似性，以 及用户、兴趣和商品重要性权值；三部图构建器用 于构建用户一兴趣一商品概念之间的三部图；用 户偏好挖掘器用来挖掘用户对商品的属性偏好， 为商品实例推荐提供基础数据；情境感知接收器 则用于感知用户当前所处情境，用于对推荐结果进 行过滤。３个模块包括：基于用户兴趣图谱的商品 概念推荐模块、基于用户偏好的商品实例推荐模块 和满足用户动态需求的推荐模块。个性化推荐引 擎则根据来源数据，采用各种处理技术和推荐模块 功能，为用户推荐基于其兴趣图谱的商品。 （３）用户兴趣图谱生成子系统。该子系统负 责用户全网数据的获取、用户兴趣的抽取、局部兴 趣图谱的生成、全局兴趣图谱的集成，以及兴趣图 谱的优化。系统根据社交网站、社会化标签网站、 购物网站和关联数据云ＬＤＢ等站点提供的ＡＰＩ 接口开发对应适配器，获取相关数据集，并从中抽 取能够表示用户兴趣的数据（如基本信息、商品、 爱好、标签、属性、情境感知等）。根据不同数据 源生成局部兴趣图谱，并利用集成技术实现全局 兴趣图谱的集成，形成每个用户自己个性化的兴 趣图谱。系统在运行过程中不断地基于情境感知 来动态获取用户兴趣，以不断完善用户兴趣图谱。 （４）用户兴趣图谱动态演化与反馈子系统。 该子系统包括兴趣动态演化模块、兴趣采纳模块 和兴趣图谱进化模块。兴趣动态演化模块采用基 于时间序列预测、图结构链路预测和基于兴趣社 区的技术，实现用户兴趣图谱的动态演化过程；兴 趣采纳模块通过建立定性模拟模型来进行研究； 兴趣图谱进化模块通过基于用户兴趣采纳和商品 购买行为的反馈机制来进行。 （５）云计算资源调度子系统。该子系统主要 执行对混合云平台的资源调度管理。云平台由 ＩａａＳ层和ＰａａＳ层构成，系统通过对Ｏｐｅｎｓｔａｃｋ、 ａｍａｚｏｎ的ＥＣ２和Ｓ３、Ｇｏｏｇｌｅ的ＧＦＳ进行调研，选 计算的数据。 ３关键技术 ３．１ 用户兴趣图谱生成与集成 用户兴趣图谱生成与集成方法如图２所示。 首先建立兴趣领域本体，通过从数据库、结构化和 半结构化文档中获取用户感兴趣的兴趣概念，包 括相似、相关、上下位兴趣概念识别等，实现用户 在兴趣领域本体中的概念匹配与定位。兴趣本体 用ｉｏ表示；然后，基于社交网站、社会化标签、关 联数据云ＬＤＢ，以及电子商务购物网站中大量存 在的用户信息挖掘出用户感兴趣的兴趣概念，用 ｉｃ表示，将其与用户兴趣领域本体中的概念进行 映射，并且采用语义和语法分析以及统计和模糊 数学等方法，计算用户对某兴趣概念的感兴趣程 度，即兴趣权重，用 表示；集合ＩＣ＝｛ｉｃ ，ｉｃ ， ｉｃ ｝为不同网站的兴趣概念集成结果，ＩＲ＝ ｛ｉｒ ，ｉｒ ，…， ｝为不同网站的兴趣关系集成结 果，， ＝｛ ， ：，…， ｝为与相关兴趣概念对 应的兴趣度权重；最终依据得到的不同网站的兴 趣概念、兴趣关系、兴趣度权重和规则生成全网数 据的用户兴趣图谱，表示为｛ＩＣ，ＩＲ，ＩＷ｝。 ３．２用户兴趣图谱动态演化与反馈机制 用户兴趣并不是一成不变的，针对其演化过 程，提出了用户兴趣图谱动态演化与反馈机制技 术原理。首先，基于用户兴趣图谱构造用户一兴 趣二部图，借鉴复杂网络图结构链路预测等方法， 向用户推荐或预测新的兴趣ｉｃ…。然后，建立定 性模拟模型研究兴趣采纳过程，通过反馈机制生 成用户兴趣图谱中的兴趣度权重 。最后，按照 用户一兴趣一商品概念三部图，提取用户对预测 或推荐兴趣相关的商品的购买、浏览等行为，反映 用户对预测或推荐兴趣的接纳程度，即建立商品 兴趣一用户的二次反馈机制。 ４ 结论 大数据时代的到来使得数据从一种简单的处 理对象转变为一种基础性资源，高效的电子商务 推荐系统能够为企业带来客户，实现利润增长。 ３４４ 武汉理工大学学报（信息与管理工程版） ¨ ｌ ２０１４年６月 ２ 用 厂】 兴 趣 图 一一一谱 牛 成 掺 二二～ ０ ．·’权再 １ 权重２ｉ权藁３； 再 全 网 数 据 源 ０ 权 １ｏ１ 权雨０ ／ｌ；权霞 权重４；权重５ 权重６ １ 权重７ 权重８ 权重 ９ 社 ｎ 社姚鼢 荚 一心 ／／购物嗍州卜苎！竺 ＿－ ／／ 苎 ／ 一Ｉ ｄｅｌｉｃｉｏｕｓ ｆｌｉｃｋｒ 藏 ＠ 兴 趣 领 域 奉 体 图２用户兴趣图谱生成与集成方法 基于用户兴趣图谱的电子商务推荐系统能够集成 网络上用户的数据，全面挖掘用户兴趣，为用户提 供个性化的推荐，解决传统推荐系统中的数据稀 疏性问题、冷启动问题，提高推荐系统的推荐质量 和精度。 参考文献： ＪＯＳＥＰＨ Ａ Ｋ，ＪＯＨＮ Ｒ．Ｒｅｃｏｍｍｅｎｄｅｒ ｓｙｓｔｅｍｓ：ｆｒｏｍ ［６］ＬＹＮＮＥ Ｇ．Ｔｈｅ ｉｎｔｅｒｅｓｔ ｇｒａｐｈ ａｒｃｈｉｔｅｃｔｕｒｅ—ｓｏｃｉａｌ ｍｏｄｅｌｉｎｇ ａｎｄ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ［Ｃ］∥Ｐｒｏｃ ｏｆ ＳＰＩＥ． ［Ｓ．１．］：［Ｓ．ｎ．］，２０１２：１—４６． ［７］ ＦＡＢＲＩＺＩＯ Ｏ．Ｍｕｌｔｉ—ｓｏｕｒｃｅ ｐｒｏｖｅｎａｎｃｅ—ａｗａｒｅ ｕｓｅｒ ｉｎｔｅｒｅｓｔ ｐｒｏｆｌｉｎｇ ｏｎ ｔｈｅ ｓｏｃｉａｌ ｓｅｍａｎｔｉｃ Ｗｅｂ［Ｃ］∥ ２０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｕｓｅｒ Ｍｏｄｅｌｉｎｇ，Ａｄ— ａｐｔａｔｉｏｎ ａｎｄ Ｐｅｒｓｏｎａｌｉｚａｔｉｏｎ，ＬＮＣＳ ７３７９．［Ｓ．１．］： Ｉ Ｓ．ｎ．，２０１２：３７８—３８１． ［８］ ＢＥＮＪＡＭＩＮ Ｈ．Ａｎ ｏｐｅｎ ｒｆａｍｅｗｏｒｋ ｆｏｒ ｍｕｈｉ—ｓｏｕｒｃｅ， ｃｒｏｓｓ—ｄｏｍａｉｎ ｐｅｒｓｏｎａｌｉｓａｔｉｏｎ ｗｉｔｈ ｓｅｍａｎｔｉｃ ｉｎｔｅｒｅｓｔ ａｌｇｏｒｉｔｈｍｓ ｔｏ ｕｓｅｒ ｅｘｐｅｒｉｅｎｃｅ［Ｊ］．Ｕｓｅｒ Ｍｏｄｅｌｉｎｇ ａｎｄ Ｕｓｅｒ—ａｄａｐｔｅｄ Ｉｎｔｅｒａｃｔｉｏｎ，２０１２（２２）：１０１—１２３． ＣＨＲＹＳＡＮＴＨＯＳ Ｄ，ＧＡＯ Ｇ Ｄ，ＲＩＴＵ Ｎ．Ａｒｅ ＣＨＳ— ｔｏｍｅｒ ｍｏｒｅ ｌｉｋｅｌｙ ｔｏ ｃｏｎｔｒｉｂｕｔｅ ｏｎｌｉｎｅ ｒｅｖｉｅｗｓ ｆｏｒ ｈｉｔ ｏｒ ｇｒａｐｈｓ［Ｃ］∥ＡＣＭ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍｓ．Ｄｕｂｌｉｎ： ［Ｓ．ｎ．］，２０１２：３１３—３１６． 『９］ ＢＥＮＪＡＭＩＮ Ｈ．ＭＡＣＩＥＪ Ｄ．Ｐｅｒｓｏｎａｌｉｓａｔｉｏｎ ｏｆ ｓｏｃｉａｌ ｗｅｂ ｓｅｒｖｉｃｅｓ ｉｎ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅ ｕｓｉｎｇ ｓｐｒｅａｄｉｎｇ ａｃｔｉｖａ— ｎｉｃｈｅ ｐｒｏｄｕｃｔｓ？［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａ— ｔｉｏｎ Ｓｙｓｔｅｍ，２０１０，２７（２）：１２７—１５８． ｔｉｏｎ ｆｏｒ ｍｕｌｔｉ—ｓｏｕｒｃｅ，ｃｒｏｓｓ—ｄｏｍａｉｎ ｒｅｃｏｍｍｅｎｄａ— ｔｉｏｎｓ［Ｃ］／／Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ ｔｈｅ Ａｄｖａｎｃｅｍｅｎｔ ｏｆ Ａｒｔｉｉｆ— ｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ．［Ｓ．１．］：［ｓ．ｎ．］，２０１２：４６—５１． ［１０］ ＢＥＲＫＯＶＳＫＹ Ｓ，ＫＵＦＬＩＫ Ｔ，ＲＩＣＣＩ Ｆ．Ｍｅｄｉａｔｉｏｎ ｏｆ ｕｓｅｒ ｍｏｄｅｌｓ ｆｏｒ ｅｎｈａｎｃｅｄ ｐｅｒｓｏｎａｌｉｚａｔｉｏｎ ｉｎ ｒｅｃｏｍ— 聂规划，徐尚英，陈冬林．基于用户兴趣度的电子目录 爪Ｊ『生化方法［Ｊ］．情报杂志，２０１１，３０（１１）：１４６—１５１． ＹＩＬＤＩＺ Ｅ．Ａｃｃｅｎｔｕｒｅ ａｎ ｉｎｔｅｒｅｓｔ——ｂａｓｅｄ ａｐｐｒｏａｃｈ ｆｏｒ ｃｏｎｔｅｎｔ ｐｅｒｓｏｎａｌｉｚａｔｉｏｎ［ＤＢ／ＯＬ］．［２０１３—１２—２４］． ｗｗｗ．ａｅｃｅｎｔｕｒｅ．ｃｏｒｎ／．．．／Ａｃｃｅｎｔｕｒｅ—Ｉｎｔｅｒｅｓｔ— ｍｅｎｄｅｒ ｓｙｓｔｅｍｓ［Ｊ］．Ｕｓｅｒ Ｍｏｄｅｌｉｎｇ ａｎｄ Ｕｓｅｒ—ａｄａｐ— ｔｅｄ Ｉｎｔｅｒａｃｔｉｏｎ，２００８，１８（３）：２４５—２８６． ｂａｓｅｄ—Ａｐｐｒｏａｃｈ． 马建国，邢玲，李幼平．广播型网格的用户兴趣图谱 ［Ｊ］．电子学报，２００５，３３（１）：１４２—１４６． （下转第３８７页） ２ ３ ４ ５ ６ 第３６卷第３期 陈建贤，等：我国汽车产业关键技术自主创新能力评价 ３８７ ［Ｊ］．中国工程科学，２０１３，１５（１）：６８—７２． 孙佳．电动汽车关键总成技术发展状况［Ｊ］．西南汽 车信息，２０１２（５）：３—１１． 王宇宁，张海波，刘东升，等．基于技术成熟度分析 发展的作用［Ｊ］．汽车工程，２００３，２５（２）：１０５—１０７． ［７］ 孙伟．集成外部资源实现低成本自主创新［Ｊ］．河北 工业科技，２０１３，３０（５）：３５２—３５６． ［８］ ＨＡＧＥＤＯＯＲＮ Ｊ．Ｉｎｔｅｒ—ｆｉｒｍ Ｒ＆Ｄ ｐａｒｔｎｅｒｓｈｉｐ：ａｎ ｏ— ｖｅｒｖｉｅｗ ｏｆ ｍａｊｏｒ ｔｒｅｎｄｓ ａｎｄ ｐａｔｔｅｒｎｓ ｓｉｎｃｅ １９６０『Ｊ］． 的我国汽车发展策略［Ｊ］．武汉理工大学学报：信息 与管理工程版，２０１３，３４（３）：３３６—３３９． Ｒｅｓｅａｒｃｈ Ｐｏｌｉｃｙ，２００２（７）：４７７—４９２． 石亚四．汽车关键零部件自主创新“６＋１”模式探索 ［Ｊ］．汽车工业研究，２０１０（９）：２４—２７． ［９］ 曾志伟．中国新能源汽车产业的技术路径选择研究 ［Ｊ］．公路与汽运，２０１２（４）：５—９． ［１０］ 刘国新，李兴文．国内外关于自主创新的研究综述 ［Ｊ］．科技进步与对策，２００７，２４（２）：１９６—１９９． 朱方伟，于淼，孙秀霞．中国汽车合资企业自主创新 模式研究［Ｊ］．科研管理，２０１３，３４（６）：１５２—１６０． 黄松，陈健贤，李瑾南．浅谈自主开发对东风汽车公司 Ｅｖａｌｕａｔｉｏｎ ｏｎ Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｄｅｐｅｎｄｅｎｔ Ｉｎｎｏｖａｔｉｏｎ Ａｂｉｌｉｔｙ ｏｆ Ａｕｔｏｍｏｂｉｌｅ Ｉｎｄｕｓｔｒｙ ｉｎ Ｃｈｉｎａ ＣＨＥＮ Ｊｉａｎｘｉａｎ，ＬＩＵ Ｇｕｏｘｉｎ，ＷＡＮＧ Ｇｕａｎｇｊｉｅ，ＷＡＮＧ Ｊｕｎｈｕａ Ａｂｓｔｒａｃｔ：Ｔｈｅ ｉｎｆｌｕｅｎｔｉａｌ ｆａｃｔｏｒｓ ｏｎ ｉｎｄｅｐｅｎｄｅｎｔ ｉｎｎｏｖａｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｋｅｙ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ａｕｔｏｍｏｂｉｌｅ ｉｎｄｕｓｔｒｙ ｉｎ Ｃｈｉｎａ ｗｅｒｅ ａｎ— ａｌｙｚｅｄ．Ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｉｎｄｅｘ ｓｙｓｔｅｍ ｏｆ ｉｎｄｅｐｅｎｄｅｎｔ ｉｎｎｏｖａｔｉｏｎ ａｂｉｌｉｔｙ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ．Ｓｏｍｅ ｌａｒｇｅ ａｕｔｏ ｃｏｍｐａｎｉｅｓ ｉｎ ｄｉｆｆｅｒｅｎｔ ｐｒｏｖｉｎｃｅｓ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ｓａｍｐｌｅｓ ｔｏ ｉｎｖｅｓｔｉｇａｔｅ ｔｈｅ ａｃｔｕａｌ ｄａｔａ ｃｏｌｌｅｃｔｅｄ ｂｙ ｆａｃｔｏｒ ａｎａｌｙｓｉｓ．Ｉｔ ｗａｓ ａｉｍｅｄ ｔｏ ｕｎｄｅｒｓｔａｎｄ ｔｈｅ ｃｕｒ— ｒｅｎｔ ｓｔａｔｕｓ ｏｆ ｉｎｄｅｐｅｎｄｅｎｔ ｉｎｎｏｖａｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｋｅｙ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ａｕｔｏｍｏｂｉｌｅ ｉｎｄｕｓｔｒｙ ｉｎ Ｃｈｉｎａ ａｎｄ ｐｒｏｖｉｄｅ ａ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｉｎｄｅ— ｐｅｎｄｅｎｔ ｉｎｎｏｖａｔｉｏｎ ｏｆ ｋｅｙ ｔｅｃｈｎｏｌｏｇｙ． Ｋｅｙ ｗｏｒｄｓ：ａｕｔｏｍｏｂｉｌｅ ｉｎｄｕｓｔｙ；ｋｅｙ ｔｅｃｈｎｏｌｒｏｇｙ；ｉｎｄｅｐｅｎｄｅｎｔ ｉｎｎｏｖａｔｉｏｎ ａｂｉｌｉｔｙ；ｅｖａｌｕａｔｉｏｎ ｉｎｄｅｘ ＣＨＥＮ Ｊｉａｎｘｉａｎ：Ｄｏｃｔｏｒｉｌ Ｃａｎｄｉａｄａｔｅ；Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ，ＷＵＴ，Ｗｕｈａｎ ４３００７０，Ｃｈｉｎａ． ［编辑：周廷关］ （上接第３４４页） Ｐｅｒｓｏｎａｌｉｚｅｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｂａｓｅｄ ｏｎ Ｕｓｅｒ Ｉｎｔｅｒｅｓｔ Ｇｒａｐｈ ＬＩＵ Ｐｉｎｇｆｅｎｇ，ＺＨＵ Ｋｏｎｇｚｈｅｎ，ＹＡＮＧ Ｌｉｕ，ＬＩ Ｗｅｉ Ａｂｓｔｒａｃｔ：Ｗｅｂ２．０，ｓｏｃｉａｌ ｎｅｔｗｏｒｋ，ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ，ｏｎｔｏｌｏｇｙ ｔｈｅｏｒｙ ａｎｄ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ ｗｅｒｅ ｕｓｅｄ ａｓ ｓｏｕｒｃｅｓ ｏｆ ｒｅｆｅｒ－ ｅｎｃｅ ｔｏ ｄｅｓｉｇｎ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ ｓｔｒｕｃｔｕｒｅ．Ｔｈｅ ｔｈｅｏｒｙ ｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｂａｓｅｄ ｏｎ ｕｓｅｒ ｉｎｔｅｒｅｓｔ ｇｒａｐｈ ｗａｓ ｅｘ－ ｐｌａｉｎｅｄ．Ｔｈｅ ｍｅｔｈｏｄｓ ｏｆ ｕｓｅｒ ｉｎｔｅｒｅｓｔ ｇｒａｐｈ ｇｅｎｅｒａｔｉｏｎ ａｎｄ ｉｎｔｅｇｒａｔｉｏｎ ｗｅｒｅ ｐｕｔ ｆｏｒｗａｒｄ；ｄｙｎａｍｉｃ ｅｖｏｌｕｔｉｏｎ ａｎｄ ｆｅｅｄｂａｃｋ ｍｅｃｈａ— ｎｉｓｍ ｗｅｒｅ ｄｉｓｃｕｓｓｅｄ．Ｔｈｅ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｑｕａｌｉｔｙ ａｎｄ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ ｗｅｒｅ ｉｍｐｒｏｖｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｉｎｔｅｒｅｓｔ ｇｒａｐｈ；ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ；ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ；ｏｎｔｏｌｏｇｙ ＬＩＵ Ｐｉｎｇｆｅｎｇ：Ａｓｓｏｃ．Ｐｒｏｆ．；Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ，ＷＵＴ，Ｗｕｈａｎ ４３００７０，Ｃｈｉｎａ． ［编辑：周延美］
