CN109800249A - 一种基于工业服务云平台用户行为感知的知识服务方法和*** - Google Patents
一种基于工业服务云平台用户行为感知的知识服务方法和*** Download PDFInfo
- Publication number
- CN109800249A CN109800249A CN201811582979.2A CN201811582979A CN109800249A CN 109800249 A CN109800249 A CN 109800249A CN 201811582979 A CN201811582979 A CN 201811582979A CN 109800249 A CN109800249 A CN 109800249A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- user
- service
- resources
- cloud platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008447 perception Effects 0.000 title claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 74
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 201000004569 Blindness Diseases 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于工业服务云平台用户行为感知的知识服务方法和***。该方法的步骤包括:1)通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;2)根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;3)基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。本发明能够为工业互联网各类大中小工业制造企业提供用户行为感知的个性化智能知识服务,可大大减少用户查找知识资源的盲目性,为用户快速地提供所需的知识资源。
Description
技术领域
本发明属于信息技术、知识服务技术领域,具体涉及一种基于工业服务云平台用户行为感知的知识服务方法和***。
背景技术
随着云计算、云制造、物联网、大数据等信息技术的迅速发展以及“互联网+传统工业制造业”的兴起,工业企业在全生命周期业务活动中产生的信息、数据、知识资源增长迅速,这些智造资源种类繁多、数量巨大。如何为用户能准确、快速提供有价值的知识资源服务,是提高工业企业智造服务能力要解决的一大问题。
有研究表明,用户在移动网络中的行为会被许多微妙因素所影响,而通过用户在大数据移动环境中的行为轨迹及其在网络中社交关系的动态变化,可以对用户行为、用户情感、用户知识服务需求等进行分析、建模、预测。从而通过对用户在大数据移动环境的足迹、点击历史、浏览历史、信息反馈,直接真实的展示用户的性格、偏好、意愿等相关数据进行分析之后,帮助信息服务机构感知知识服务市场、感知用户需求和能力、感知未来发展形势等,以便信息服务机构对价值评估、服务能力和服务水平等做出更科学的决策,进而推荐更为合适的信息。
虽然知识云服务技术的推广应用已经取得一定进展,许多集团企业已经集中管理、统一展示集团内的知识资源,初步实现了知识集中共享,但绝大部分市面上的知识服务产品对个性化服务模式的研究依旧较少,平台用户在海量的知识数据中难以获取所需资源,服务提供者缺乏对服务需求者的了解,难以有针对性的提供知识服务,服务运营者亦难以了解用户的隐形需求。这些知识服务产品大多存在知识管而不用、利用率低、个性化知识服务能力差等问题,在应用实施的过程中推广力度较低、用户积极性主动性不高、不同类型用户的服务需求不同。目前有的技术针对云制造平台知识服务的需求和特点,提出了静态和动态两种知识服务模式,但没有考虑基于用户行为的个性化知识服务模式。因此能为工业互联网平台中不同的用户提供个性化服务,成了知识服务能力的关键。
目前对知识服务的研究主要是将其视为云制造平台下的一个重要内容,还没有发挥其主动创造价值的作用,无法有力支撑云制造和智能制造的深入研究。如果能够全面考虑用户需求、运用更完善的方法或技术来提供知识服务,将会完善云制造服务研究的内容、扩展其内涵,进而提高制造过程的智能化水平,为生产过程提供智能决策。
发明内容
良好的个性化知识服务可以使用户对平台产生依赖感,提高用户粘度,同时服务平台也能了解用户的兴趣和需求。与其他互联网平台相比,工业互联网云制造服务平台具有很强的专业性和领域性,将会涵盖工业品全生命周期。用户种类较多、需求各异,而受时间、地点因素的影响较小。针对这些问题,本发明在现有技术基础上,进行工业互联网环境下的企业知识服务分析,建立用户个性化兴趣模型,通过基于本体的知识表达和用户行为评价,实现个性化知识服务,为用户提供主动、智能、个性化的知识资源。
本发明的基于工业服务云平台下用户行为感知的知识服务方法是借助云计算强大的资源整合能力、海量信息分析能力和数据挖掘能力,基于用户行为感知的、集成的、资源组织虚拟化、高弹性的知识服务平台,以用户需求趋势、意图为目标驱动,面向知识内容、解决问题过程、提供解决问题决策的一种增值服务,并提供基于用户行为感知、规模高、模块化的应用级知识云服务。
本发明的关键在于可利用用户行为分析模型来获取用户的知识需求,以此来为工业制造业用户精准提供云环境下的知识服务,提升检索和知识获取的效率,同时提供贯穿产品制造全生命周期的个性化服务。
本发明采用的技术方案如下:
一种基于工业服务云平台用户行为感知的知识服务方法,包括以下步骤:
1)通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;
2)根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;
3)基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。
进一步地,所述知识资源包括静态知识资源和动态知识资源,所述静态知识资源主要指文档类知识资源,所述动态知识资源主要指通过对工具、方法封装后形成的可动态调用的知识资源。
进一步地,步骤2)根据用户在工业服务云平台中的业务活动,获取能够反映用户个性化知识需求的相关信息,包括:用户基本信息、用户行为信息、用户服务信息;所述用户基本信息包括用户专业、单位、部门、教育背景,这些信息在用户进行云制造平台注册时填写;所述用户行为信息包括直接行为和间接行为,所述直接行为包括服务评分、服务收藏、服务订阅和服务推荐;所述用户服务信息是用户向平台提供过的服务内容及需要从平台获取的服务内容,包括服务名称、所属领域、关键词、功能描述、时间有效性、服务交易历史记录、服务交易用户关联用户。
进一步地,步骤2)采用知识需求度来描述用户对知识资源的需求程度;所述知识需求度包括知识关注度和知识价值度;所述知识关注度从用户对知识的操作行为的角度描述,反映用户对知识资源的关注程度;所述知识价值度通过用户主观评价知识资源的价值来反映知识质量的高低。
进一步地,所述知识关注度中的知识浏览、知识下载、知识点击、知识推荐、知识收藏和知识订阅行为通过统计计算进行量化,而知识评论和知识问答行为包含正反两方面的用户需求,正面的评论和回答反映用户对该知识资源的肯定和关注,反面的评论和回答反映则反映用户对该知识资源的否定;所述知识价值度从知识资源的有效性、相关性、创新性和可读性四个方面进行评分。
进一步地,步骤3)对知识需求度设定相应的阈值,作为过滤知识资源的条件,从而将用户需要的、质量高的知识资源提供给用户。
进一步地,还包括对所述用户个性化模型进行更新的步骤,所述更新是结合用户行为和知识资源的内容,同时考虑时间因素,对所述用户个性化模型进行更新,包括:
a)针对工业服务云平台向用户主动提供的知识服务,在用户对知识资源进行查看和使用后,统计用户的知识行为,通过计算来获取用户对平台所提供的知识资源的满意度,以此评判个人知识需求的变化,不满足设定的知识需求度阈值的知识概念予以删除,否则合并知识概念集、属性集及关系集,并更新用户个性化模型,形成新的概念集合;
b)针对用户在工业服务云平台中的知识行为,通过统计分析获取用户新的知识需求,针对用户可能需要的新的知识资源,通过分词处理获取特征词集,与原词集进行合并,更新用户模型;
c)针对用户需求随时间的推移会产生衰减、变化的问题,通过概念需求程度计算,删除衰退和遗忘的需求。
进一步地,所述工业服务云平台的用户通过各种终端设备实现与平台的交互,包括注册个人信息,获取制造服务,以及向平台提供制造服务和知识资源;所述工业服务云平台通过用户的行为和知识需求,为用户提供智能的、主动的知识服务。
一种基于工业服务云平台用户行为感知的知识服务***,其包括:
知识资源统一描述模块,负责通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;
用户个性化模型建立模块,负责根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;
知识资源获取模块,负责基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。
本发明的有益效果如下:
基于用户行为感知的工业服务云平台下的知识服务是提高知识资源利用率、提升用户粘度的有效手段,本发明构建了针对工业云制造环境下的个性化知识服务构架,通过对平台用户行为的分析,对用户显性行为和隐性行为进行了综合评价,计算每个用户个性化的知识需求度,建立了基于用户行为分析模型的个性化知识服务流程,并且将知识服务模块化,使得用户可以高效便捷地从网络平台中获取个性化知识资源。
本发明可为工业互联网各类大中小工业制造企业提供用户行为感知的个性化智能知识服务,可大大减少用户查找知识资源的盲目性,为用户快速提供所需知识资源,提高效率,通过专利技术方法实现服务化、协同化,从而体现知识服务个性智能化特征。
附图说明
图1是知识服务平台构架示意图。
图2是用户模型信息示意图。
图3是用户行为评价指标示意图。
图4是基于用户行为的个性化知识提取流程图。
图5是个性化用户模型示意图。
图6是用户行为个性化模型更新流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面通过具体实施例和附图,对本发明做进一步详细说明。
基于工业服务云平台下用户行为感知的知识服务关注的是通过提供服务解决用户的知识资源需求问题,并且非常重视用户需求分析,根据问题和问题环境确定用户需求,通过信息的析取和重组来形成恰好符合需求的知识产品,提供基于逻辑获取的服务。知识服务是贯穿用户解决问题过程的服务,贯穿于用户进行知识捕获、分析、重组、应用过程的服务,根据用户的需求来动态地和连续地组织服务。用户的信息行为是处于动态变化中的,随着环境等外部因素的变化和用户需求问题解决的不断深入,影响信息需求的因素也会发生变化。用户需求的变化使得知识服务的方案也随之调整,根据用户信息活动的特点和变化予以更好地解决。
一、知识服务平台功能结构
云制造平台服务涉及产品全生命周期业务活动,平台中的知识资源包括制造领域涉及的标准规范、专利情报、文档知识、专家经验、模型知识和经验数据等多种类型。通过对知识资源的统一建模,为平台用户提供知识服务,云制造环境下的个性化知识服务功能结构如图1所示。
(1)工业服务云平台知识资源
工业服务云平台中的知识服务类型主要分为静态和动态两类知识资源。静态知识资源主要指文档类知识资源,动态知识资源主要指通过对工具、方法封装后形成的可动态调用的知识资源。通过本体对知识资源进行统一描述,可以解决不同知识资源在结构和语义上的异构问题。所述“本体”是指对特定领域之中某套概念及其相互之间关系的形式化表达。所述“统一描述”是指对未给出语义的知识资源进行统一的语义描述。
(2)个性化知识需求获取
在工业服务云平台中,用户可以进行产品全生命周期各阶段的业务活动,用户承担的业务活动不同,使其具有不同的知识需求,对应着不同的用户模型。用户的知识需求受行业、领域、单位和专业等信息及用户的业务需要等方面的影响。因此,通过获取用户在平台中的业务活动(包括***使用日志)和个人角色来获取用户的个性化知识需求,建立用户个性化模型。
(3)个性化知识过滤
基于用户个性化模型和知识需求,通过知识检索来获取符合需求的知识资源。由于工业服务云平台的知识资源数量庞大、知识资源质量参差不齐,通过引入知识评价,将用户需要的、质量高的知识资源进行过滤和排序,提供给用户。
(4)平台交互
工业服务云平台用户通过各种终端设备实现与平台的交互,用户通过平台注册个人信息,并获取制造服务,可以向平台提供制造服务和知识资源,而平台则通过个人的***行为和知识需求,为用户提供智能的、主动的知识服务。
二、用户行为分析
1.用户行为分类
在云制造平台中,用户具有多种多样的行为信息,如服务搜索、服务调用、服务评价和服务交易等类型。为了全面获取用户的知识需求,通过用户基本信息、用户行为信息、用户服务信息三个层次建立***用户模型。通过综合分析,将能够反映用户知识需求的相关信息归纳如图2所示。
(1)用户基本信息
包括用户专业、单位、部门、教育背景等个人信息,这些信息在用户进行云制造平台注册时填写。
(2)用户行为信息
指能够直接或间接反映用户知识需求的***行为,包括服务评分、服务收藏、服务推荐、服务检索、服务评论、服务下载、服务浏览、服务上传和服务点击等,其中服务评分、服务收藏、服务订阅和服务推荐属于用户操作行为中直接反映用户知识需求的行为,称为直接行为。其他操作行为属于间接行为,例如通过对平台中积累的服务使用数据(服务浏览、服务点击等)进行数据分析,从中挖掘出云制造环境下用户相关的服务组合以及关联的用户信息。
(3)用户服务信息
指平台用户向平台提供过的服务内容及需要从平台获取的服务内容,主要指动态知识服务,其提供过或者获取过服务的基本属性包括服务名称、所属领域、关键词、功能描述、时间有效性、服务交易历史记录、服务交易用户关联用户等,其中服务交易历史记录和服务交易关联用户是用户信息模型的重要内容,是云制造平台用户之间建立关系的直接数据来源。
2.用户行为评价
用户模型信息中的用户基本信息和用户服务信息存储在数据库表中,可以通过直接读取相关数据库表获取相应的知识需求概念术语,例如服务的关键词、功能描述、用户的专业、部门等信息,可以通过本体查找和语义扩展来获取用户知识需求。为了给用户提供自身迫切需要且高质量的知识资源,本发明提出知识需求度的概念,用以描述用户对知识资源的需求程度。
知识需求度包括知识关注度和知识价值度。知识关注度从用户对知识的操作行为的角度描述,通过统计分析用户对知识的评分、评论、收藏、订阅和问答等隐性行为,反映了用户对知识资源的关注程度。知识价值度通过用户主观评价知识资源的价值来反映知识质量的高低,从知识资源的有效性、相关性、创新性和可读性四个方面进行评分。图3是用户行为评价指标示意图。
(1)知识关注度
知识关注度中的知识浏览、知识下载、知识点击、知识推荐、知识收藏和知识订阅行为可以通过统计计算进行量化,而知识评论和知识问答行为包含正反两方面的用户需求,正面的评论和回答反映了用户对该知识资源的肯定和关注,反之,则反映用户对该知识资源的否定。
(2)知识价值度
知识价值度的计算通过用户在浏览知识资源时进行交互评价获得,从知识有效性、知识相关性、知识创新性和知识可读性四个指标来评价。通过知识价值度评价,可以体现用户对知识资源的反馈,进而更新和优化用户的个性化模型。
知识有效性用来反映知识资源自身的作用和价值;知识相关性用来反映知识资源与用户的关联程度;知识创新性用来反映知识资源的创新程度,鼓励平台用户进行知识创新;知识可读性用来反映知识资源的清晰、合理程度,促进用户提供高水平的知识资源。每个指标用1-5分进行评价,分值越高表示该指标越好,各指标的评价规则如表1所示。
表1知识价值度各指标评价规则
(3)知识需求度
通过知识需求度的计算设定相应阈值,作为过滤知识资源的条件。首先判断知识关注度和知识价值度是否大于阈值,如果大于阈值则计算知识需求度。如果知识需求度大于阈值,则将该知识资源作为用户可能需要的资源进行标记存储,为个性化服务提供判别依据,其计算流程如图4所示。
三、基于用户行为的个性化知识服务需求建模
1.用户个性化模型表示
工业制造服务平台具有很强的专业性和领域性,涵盖产品全生命周期的制造服务,平台用户种类较多、需求各异,相对而言,用户知识需求具有不确定性和领域专业性。一方面,云制造下用户知识需求的领域专业性受时间、地点等因素的影响较小,而主要与用户服务历史记录和领域延生的服务组合密切相关。另一方面,服务提供者缺乏对服务需求者的了解,平台运营商难以了解用户的隐形需求,造就了用户知识需求的不确性。通过用户建模,可以与平台中的知识建模方法保持一致,为用户知识需求与知识服务的匹配、共享和重用奠定基础。另外,使用用户个性化知识建模可以充分发挥本体的语义关系,在进行知识服务时通过语义扩展,快速发现用户所需要的知识服务资源,克服工业云制造环境下用户知识需求的不确定性,进而提高知识服务效率和质量。
通过基于用户行为的个性化知识建模方法,获取该用户的个性化知识需求模型,如图5所示。图中给出了用户模型的本体中类与子类的关系以及类与实例之间的关系。从图中可以看出,该用户的知识需求偏重于航天器、结构设计、参数化设计等概念,通过这些概念及概念间的关系可以为用户提供个性化的知识资源。
2.用户行为分析个性化模型更新
通过一段时间用户数据的积累,用户个性化模型达到成熟稳定后,即用户个性化模型能够精确表达用户的偏好。此时,通过云制造平台中提供的个性化知识资源可以很好地满足用户的知识需求,大大降低用户获取知识服务的时间,提高用户快速定位关键知识资源的效率,更重要的是平台提供的个性化知识资源能够更好地帮助用户掌握符合自身偏好的相关资源,满足用户更深层的需求。同时,企业在应用云制造平台中的个性知识服务功能时可能遇到以下两方面困难:
(1)由于平台用户的惰性,缺乏动力和积极性对平台提供服务和知识进行评分、评论等有价值的用户行为操作,使得基于用户行为感知的个性化知识服务技术所构建的用户兴趣模型不能更深入地刻画用户需求。
(2)工业制造云平台下的个性化知识服务的瓶颈是企业内部整理和发布的知识服务数量有限,进一步导致平台用户对企业应用平台个性化知识服务功能的“惰性”,而知识库的丰富受企业规模、领导重视程度、员工知识贡献意愿等客观因素的影响较大。
本发明结合用户行为和知识资源的内容,同时考虑时间因素,建立一种综合的用户模型更新方法,模型更新流程如图6所示,包括以下步骤:
(1)针对平台向用户主动提供的知识服务,在用户对知识资源进行查看和使用后,统计用户的知识行为,通过计算来获取用户对平台所提供的知识资源的满意度,以此评判个人知识需求的变化,不满足设定的知识需求度阈值的知识概念予以删除,否则合并知识概念集、属性集及关系集,并更新用户个性化模型,形成新的概念集合。其中,属性集定义了一组属性,属性集的实例包含部分属性的具体值。关系集是指知识关系群集。
(2)针对用户在平台中的知识行为,通过统计分析,获取用户新的知识需求。针对用户可能需要的新的知识资源,通过分词处理获取特征词集,与原模型词集进行合并,更新用户模型。
(3)针对用户需求随时间的推移会产生衰减、变化等问题,通过概念需求程度计算,删除衰退和遗忘的需求。当用户长时间没有涉及某个知识概念时,计算该知识概念的需求度,如果小于阈值则删除该知识需求。所述知识概念的需求度的计算公式如下:
式中,x表示遗忘稳定时的需求度参数,Yc表示用户对知识概念c的需求度,δ为0≤x≤α时的Yc值,表示权重,ωc表示知识概念c在用户需求中的权重,α表示知识遗忘的转折点。
在实施用户行为感知的个性化知识服务过程中,工业企业需要长远考虑,稳步推进。一方面,需要加强对内部知识资源的梳理和组织管理,沉淀企业知识资产,丰富知识库。另一方面,需要营造知识共享的企业文化,并通过有效的激励措施鼓励员工贡献知识资源、提高员工的参与度。
本发明另一实施例提供一种基于工业服务云平台用户行为感知的知识服务***,其包括:
知识资源统一描述模块,负责通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;
用户个性化模型建立模块,负责根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;
知识资源获取模块,负责基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。
上述各模块的具体实现方式参见前文对本发明方法的说明。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明的精神和范围,本发明的保护范围应以权利要求书所述为准。
Claims (10)
1.一种基于工业服务云平台用户行为感知的知识服务方法,其特征在于,包括以下步骤:
1)通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;
2)根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;
3)基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。
2.根据权利要求1所述的方法,其特征在于,所述知识资源包括静态知识资源和动态知识资源,所述静态知识资源主要指文档类知识资源,所述动态知识资源主要指通过对工具、方法封装后形成的可动态调用的知识资源。
3.根据权利要求1所述的方法,其特征在于,步骤2)根据用户在工业服务云平台中的业务活动,获取能够反映用户个性化知识需求的相关信息,包括:用户基本信息、用户行为信息、用户服务信息;所述用户基本信息包括用户专业、单位、部门、教育背景,这些信息在用户进行云制造平台注册时填写;所述用户行为信息包括直接行为和间接行为,所述直接行为包括服务评分、服务收藏、服务订阅和服务推荐;所述用户服务信息是用户向平台提供过的服务内容及需要从平台获取的服务内容,包括服务名称、所属领域、关键词、功能描述、时间有效性、服务交易历史记录、服务交易用户关联用户。
4.根据权利要求1所述的方法,其特征在于,步骤2)采用知识需求度来描述用户对知识资源的需求程度;所述知识需求度包括知识关注度和知识价值度;所述知识关注度从用户对知识的操作行为的角度描述,反映用户对知识资源的关注程度;所述知识价值度通过用户主观评价知识资源的价值来反映知识质量的高低。
5.根据权利要求4所述的方法,其特征在于,所述知识关注度中的知识浏览、知识下载、知识点击、知识推荐、知识收藏和知识订阅行为通过统计计算进行量化,而知识评论和知识问答行为包含正反两方面的用户需求,正面的评论和回答反映用户对该知识资源的肯定和关注,反面的评论和回答反映则反映用户对该知识资源的否定;所述知识价值度从知识资源的有效性、相关性、创新性和可读性四个方面进行评分。
6.根据权利要求4或5所述的方法,其特征在于,步骤3)对知识需求度设定相应的阈值,作为过滤知识资源的条件,从而将用户需要的、质量高的知识资源提供给用户。
7.根据权利要求1所述的方法,其特征在于,还包括对所述用户个性化模型进行更新的步骤,所述更新是结合用户行为和知识资源的内容,同时考虑时间因素,对所述用户个性化模型进行更新,包括:
a)针对工业服务云平台向用户主动提供的知识服务,在用户对知识资源进行查看和使用后,统计用户的知识行为,通过计算来获取用户对平台所提供的知识资源的满意度,以此评判个人知识需求的变化,不满足设定的知识需求度阈值的知识概念予以删除,否则合并知识概念集、属性集及关系集,并更新用户个性化模型,形成新的概念集合;
b)针对用户在工业服务云平台中的知识行为,通过统计分析获取用户新的知识需求,针对用户可能需要的新的知识资源,通过分词处理获取特征词集,与原词集进行合并,更新用户模型;
c)针对用户需求随时间的推移会产生衰减、变化的问题,通过概念需求程度计算,删除衰退和遗忘的需求。
8.根据权利要求7所述的方法,其特征在于,步骤c)中,当用户长时间没有涉及某个知识概念时,计算该知识概念的需求度,如果小于阈值则删除该知识需求;所述知识概念的需求度的计算公式如下:
其中,x表示遗忘稳定时的需求度参数,Yc表示用户对知识概念c的需求度,δ为0≤x≤α时的Yc值,表示权重,ωc表示知识概念c在用户需求中的权重,α表示知识遗忘的转折点。
9.根据权利要求1所述的方法,其特征在于,所述工业服务云平台的用户通过各种终端设备实现与平台的交互,包括注册个人信息,获取制造服务,以及向平台提供制造服务和知识资源;所述工业服务云平台通过用户的行为和知识需求,为用户提供智能的、主动的知识服务。
10.一种基于工业服务云平台用户行为感知的知识服务***,其特征在于,包括:
知识资源统一描述模块,负责通过本体对工业服务云平台中的知识资源进行统一描述,消除不同知识资源在结构和语义上的异构性;
用户个性化模型建立模块,负责根据用户在工业服务云平台中的业务活动,获取用户的个性化知识需求,根据用户的个性化知识需求建立用户个性化模型;
知识资源获取模块,负责基于建立的用户个性化模型,通过对工业服务云平台的知识资源进行检索,获取符合用户个性化知识需求的知识资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582979.2A CN109800249B (zh) | 2018-12-24 | 2018-12-24 | 基于工业服务云平台用户行为感知的知识服务方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582979.2A CN109800249B (zh) | 2018-12-24 | 2018-12-24 | 基于工业服务云平台用户行为感知的知识服务方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109800249A true CN109800249A (zh) | 2019-05-24 |
CN109800249B CN109800249B (zh) | 2023-08-04 |
Family
ID=66557432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582979.2A Active CN109800249B (zh) | 2018-12-24 | 2018-12-24 | 基于工业服务云平台用户行为感知的知识服务方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800249B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807051A (zh) * | 2019-10-31 | 2020-02-18 | 太原科技大学 | 一种基于云平台的上下文感知实时推荐服务的方法 |
CN111967753A (zh) * | 2020-08-10 | 2020-11-20 | 成都信息工程大学 | 面向制造任务执行的云制造环境信息感知***和方法 |
CN113569007A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种处理知识服务资源的方法、装置及存储介质 |
CN113568998A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种知识服务资源处理方法、装置、设备及存储介质 |
CN117725192A (zh) * | 2024-02-18 | 2024-03-19 | 张家港快工品科技有限公司 | 基于langchain的专有工业品信息交互调用方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011000046A1 (en) * | 2009-07-01 | 2011-01-06 | Ozmota Inc. | Systems and methods for determining information and knowledge relevancy, relevant knowledge discovery and interactions, and knowledge creation |
US20120198073A1 (en) * | 2011-01-27 | 2012-08-02 | Computenext Inc. | Dynamically organizing cloud computing resources to facilitate discovery |
CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
CN104239660A (zh) * | 2013-06-08 | 2014-12-24 | 北京航空航天大学 | 云制造模式下基于动态本体的知识融合方法 |
CN105373546A (zh) * | 2014-08-25 | 2016-03-02 | 北大方正集团有限公司 | 一种用于知识服务的信息处理方法及*** |
-
2018
- 2018-12-24 CN CN201811582979.2A patent/CN109800249B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011000046A1 (en) * | 2009-07-01 | 2011-01-06 | Ozmota Inc. | Systems and methods for determining information and knowledge relevancy, relevant knowledge discovery and interactions, and knowledge creation |
US20120198073A1 (en) * | 2011-01-27 | 2012-08-02 | Computenext Inc. | Dynamically organizing cloud computing resources to facilitate discovery |
CN104239660A (zh) * | 2013-06-08 | 2014-12-24 | 北京航空航天大学 | 云制造模式下基于动态本体的知识融合方法 |
CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
CN105373546A (zh) * | 2014-08-25 | 2016-03-02 | 北大方正集团有限公司 | 一种用于知识服务的信息处理方法及*** |
Non-Patent Citations (2)
Title |
---|
RUSLI ABDULLAH: "A Mobile Knowledge as a service model of knowledge management system in facilitating knowledge sharing of cloud education community environment" * |
李新: "基于本体的制造资源建模与智能搜索研究开发" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807051A (zh) * | 2019-10-31 | 2020-02-18 | 太原科技大学 | 一种基于云平台的上下文感知实时推荐服务的方法 |
CN110807051B (zh) * | 2019-10-31 | 2021-03-26 | 太原科技大学 | 一种基于云平台的上下文感知实时推荐服务的方法 |
CN111967753A (zh) * | 2020-08-10 | 2020-11-20 | 成都信息工程大学 | 面向制造任务执行的云制造环境信息感知***和方法 |
CN111967753B (zh) * | 2020-08-10 | 2023-06-02 | 成都信息工程大学 | 面向制造任务执行的云制造环境信息感知***和方法 |
CN113569007A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种处理知识服务资源的方法、装置及存储介质 |
CN113568998A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种知识服务资源处理方法、装置、设备及存储介质 |
CN117725192A (zh) * | 2024-02-18 | 2024-03-19 | 张家港快工品科技有限公司 | 基于langchain的专有工业品信息交互调用方法 |
CN117725192B (zh) * | 2024-02-18 | 2024-05-14 | 张家港快工品科技有限公司 | 基于langchain的专有工业品信息交互调用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109800249B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800249B (zh) | 基于工业服务云平台用户行为感知的知识服务方法和*** | |
Bi et al. | A big data clustering algorithm for mitigating the risk of customer churn | |
Salehi et al. | Hybrid attribute-based recommender system for learning material using genetic algorithm and a multidimensional information model | |
US20170140038A1 (en) | Method and system for hybrid information query | |
US8538955B2 (en) | Ranking expert responses and finding experts based on rank | |
Salehi et al. | Personalized recommendation of learning material using sequential pattern mining and attribute based collaborative filtering | |
CN107526807B (zh) | 信息推荐方法及装置 | |
Hellmann et al. | Learning of OWL class descriptions on very large knowledge bases | |
Chianese et al. | Cultural heritage and social pulse: a semantic approach for CH sensitivity discovery in social media data | |
CN108052605A (zh) | 一种基于客户特征库的智能问答*** | |
CN105718587A (zh) | 一种网络内容资源评估方法及评估*** | |
De Meo et al. | An XML-based multiagent system for supporting online recruitment services | |
CN117149988B (zh) | 基于教育数字化的数据管理处理方法及*** | |
Kim et al. | Topic-Driven SocialRank: Personalized search result ranking by identifying similar, credible users in a social network | |
Coccia | Technological parasitism | |
CN110717089A (zh) | 一种基于网络日志的用户行为分析***及方法 | |
Xu et al. | The mobile media based emergency management of web events influence in cyber-physical space | |
Gao et al. | [Retracted] Construction of Digital Marketing Recommendation Model Based on Random Forest Algorithm | |
Robal et al. | Making web users’ domain models explicit by applying ontologies | |
Hashemi et al. | GroupRank: Ranking Online Social Groups Based on User Membership Records | |
Yu et al. | Mining user interest and its evolution for recommendation on the micro-blogging system | |
CN110111183A (zh) | 一种产品推荐方法及装置 | |
Zou | Research on Collaborative Filtering Optimization Algorithm Based on Smart Library Control System | |
Li et al. | External concept support for group support systems through Web mining | |
Bozzon et al. | Designing complex crowdsourcing applications covering multiple platforms and tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |