基于本体与LDA主题模型的文本资源推荐方法研究  

Research on Text Resource Recommendation Method Based on Ontology and LDA Topic Model

作　　者：祝婷[1] 秦春秀[1] 马晓悦[1] 李祖海[1] 

机构地区：[1]西安电子科技大学经济与管理学院,西安710071

出　　处：《情报杂志》2015年第11期150-156,共7页Journal of Intelligence

基　　金：国家自然科学基金项目"基于知识地图的对等网语义社区及其知识共享研究"(编号:71103138);国家自然科学基金项目面上项目"知识社区中的资源语义空间及其检索研究"(编号:71573199);陕西省自然科学基础研究计划-面上项目"面向商务智能的用户生成内容语义分析与挖掘模型研究"(编号:2015JM7380)

摘　　要：为了解决基于LDA主题模型的推荐结果总是局限在同一主题范围内从而在一定程度上限制了推荐惊喜度的问题。将本体引入到基于LDA主题模型的文本资源推荐中,通过本体扩展LDA模型的主题得到关联主题,然后考虑关联主题在文本中的分布概率,结合加权后的关联主题给予用户最终的推荐。实验结果表明,引入本体后,基于LDA主题模型的推荐惊喜度有了明显的提高。The recommended results based on LDA topic model are always confined to the same topic, and the recommended serendipity is limited to a certain extent. To solve the problem, ontology is introduced into text resource recommendation based on LDA topic model. Firstly, related topics are achieved according to extended topics of LDA topic model. Then, it considers the distribution probability of the related topics in the text. Finally, text recommendation is conducted combined with weighted related topics. The experimental results show that recommendation serendipity based on ontology and LDA topic model is significantly improved.

关 键 词：LDA主题模型 本体 文本推荐 语义相关度 惊喜度 关联主题 

分 类 号：G350[文化科学—情报学]