第1章 国内外相关理论研究现状 1
1.1 电子商务语义本体 1
1.1.1 电子商务语义词典 2
1.1.2 本体及本体集成 3
1.2 用户兴趣建模与获取 13
1.2.1 基于评分的用户模型 13
1.2.2 基于特征的用户模型 14
1.2.3 基于规则的用户模型 15
1.3 服务资源发现与聚合 16
1.3.1 服务资源发现 16
1.3.2 服务资源聚合 20
1.4 服务资源推荐技术 21
1.4.1 传统推荐算法研究 22
1.4.2 混合推荐技术 30
参考文献 32
第2章 电子商务语义基础技术 42
2.1 电子商务中文语义词典构建 42
2.1.1 中文语义词典系统体系结构 42
2.1.2 中文语义词典的词典结构 43
2.1.3 中文语义词典语义相似度计算 45
2.2 中文本体语义映射与集成技术 53
2.2.1 电子商务语义映射与集成系统框架模型 53
2.2.2 基于本体的语义查询流程 56
2.2.3 语义集成查询关键技术 59
2.3 中文本体管理技术 69
参考文献 72
第3章 用户需求语义建模与智能获取技术 74
3.1 用户需求语义建模 74
3.1.1 用户需求本体模型 74
3.1.2 用户概要本体模型 76
3.2 用户需求语义解析与规范化 79
3.3 用户偏好获取技术 81
3.3.1 基于综合反馈的用户偏好获取技术 82
3.3.2 基于最大熵模型的用户偏好获取技术 98
3.3.3 基于粗糙集的用户偏好获取技术 100
3.3.4 基于兴趣图谱的用户偏好获取技术 105
参考文献 123
第4章 服务资源智能发现方法 126
4.1 服务资源的语义建模 126
4.1.1 服务资源语义建模需求 126
4.1.2 面向用户的服务资源目录本体建模层次结构 129
4.1.3 面向用户的服务资源目录本体建模元语 130
4.1.4 服务资源目录本体元模型的OWL DL描述 132
4.2 服务资源目录本体自学习方法 133
4.2.1 基本原理 133
4.2.2 电子商务Web页面预处理 134
4.2.3 基于目录网站层次的目录本体概念获取 139
4.2.4 基于语义和关联规则的概念关系学习 142
4.2.5 基于模式匹配和在线统计的属性识别 146
4.3 服务资源实例发现方法 153
4.3.1 基本思想 153
4.3.2 Web网页中个体知识表示特征 155
4.3.3 基于本体的网页主题概念和个体知识表示特征的判定 157
参考文献 167
第5章 服务资源智能聚合技术 171
5.1 服务资源本体实例消重机制 171
5.1.1 实例名称语义相似度计算 171
5.1.2 实例属性语义相似度计算 173
5.1.3 实例关系语义相似度计算 174
5.1.4 实例综合语义相似度计算 175
5.1.5 实例消重过程 175
5.1.6 实例消重算法举例 175
5.2 服务资源智能聚合系统关键技术 178
5.2.1 系统设计原理 178
5.2.2 服装行业本体建模 181
5.2.3 数据库模型设计 193
5.2.4 基于倒排模型的语义索引 196
5.2.5 语义信息检索 209
5.3 服务资源智能聚合原型系统实现 214
参考文献 216
第6章 服务资源智能推荐技术 217
6.1 基于语义的服务资源智能推荐技术 217
6.1.1 基于商品属性隐性评分的协同过滤算法 218
6.1.2 基于模糊聚类和资源平滑的协同过滤算法 222
6.1.3 基于本体的B2B电子商务MAS模型及商品匹配算法 224
6.1.4 基于本体的语义相似性的协同过滤算法 229
6.2 基于适合度的服务资源智能推荐技术 231
6.2.1 FQoS适合度匹配算法 233
6.2.2 QoS适合度匹配算法 240
6.3 基于兴趣度的服务资源智能推荐方法 244
参考文献 246
第7章 服务资源组合与推荐技术 251
7.1 基于服务属性多层关联规则的服务资源组合智能推荐技术 251
7.1.1 服务组合方法相关基础理论 251
7.1.2 基于服务属性多层关联规则的服务资源组合推荐基本原理 254
7.1.3 基于服务属性多层关联规则的服务组合推荐案例研究 257
7.2 基于模型优化的服务资源组合智能推荐方法 259
7.2.1 组合服务的QoS计算相关基础理论 259
7.2.2 基于模型优化的服务资源组合智能推荐基本原理 262
7.2.3 基于模型优化的服务组合推荐案例研究 266
参考文献 268