APP下载

基于机器学习的知识推送系统实现

2018-05-16中国运载火箭技术研究院研究发展中心

航天工业管理 2018年4期
关键词:概念用户模型

/中国运载火箭技术研究院研究发展中心

中国运载火箭技术研究院自2011年开展知识管理工作以来,积累了大量宝贵的知识资源。但总体而言,知识的使用效果不佳,70%的知识都处于闲置状态,历史积累的知识资源难以有效发挥其应有的价值,不可避免地导致了运载火箭型号研制效率低、周期长、成本高,在国际航天领域难以发挥持续的竞争优势。针对火箭高密度研制和发射的紧迫形势,有必要借助机器学习方法实现高价值知识的智能挖掘与推送,提升知识质量,提高利用效率,促进知识驱动的运载火箭设计生产模式快速形成。

笔者结合运载火箭知识库的特点,对现有的机器学习算法进行优化改进,从用户模型数据特征、兴趣模型构建、用户兴趣更新机制及推荐算法几个方面进行详细分析,以实现基于用户行为的知识推送。

一、用户模型数据特征

用户模型数据主要是指与用户的兴趣、特征、偏好相关的数据,这些数据的提取是模型数据准备的过程,主要为用户兴趣模型的建立作准备。数据特征提取总体上可以分为显式信息提取和隐式信息提取,显式信息主要包括用户岗位信息(部门、专业、密级、职位、职称、技术能力)、用户检索行为(用户现行搜索)和用户订阅行为(用户订阅词);隐式信息主要包括用户检索行为(历史查询行为)和用户知识行为(用户浏览、用户评分、用户上传、用户下载、用户收藏、用户标签)。

笔者主要采用隐式信息提取,此种方式无需用户的主动参与,而是由系统在不打扰用户使用的情况下跟踪用户浏览行为自动获取的。……

登录APP查看全文

猜你喜欢

概念用户模型
一半模型
Birdie Cup Coffee丰盛里概念店
重尾非线性自回归模型自加权M-估计的渐近分布
幾樣概念店
关注用户
3D打印中的模型分割与打包
关注用户
关注用户
如何获取一亿海外用户