[發明專利]一種基于內容標簽的知識庫推薦系統

在審

• 申請號: 201711148081.X
• 申請日: 2017-11-17
• 公開（公告）號: CN107943907A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 章路
• 申請（專利權）人: 南京感度信息技術有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京科知維創知識產權代理有限責任公司32270
• 代理人: 段曉玲

技術領域

本發明設計一種知識庫知識推薦系統，具體的說是一種基于內容標簽的知識庫推薦系統。

背景技術

目前很少有在知識庫中引入知識推薦，一般知識簡單的集成傳統的搜索引擎提供給用戶進行知識內容的搜索。用戶很難有效在海量的知識庫中直接獲取或隨時獲取自己想要的知識內容，即使是通過各種條件檢索的方式也很難在極短的時間內獲取到目標內容。

目前大部分內容系統只能做到“找到相關信息”，而“找到我想要的信息”極少系統能做到，用戶真正需要的東西淹沒在海量數據中，如何從海量信息及時獲得最新信息，是一個非常值得研究的課題。

發明內容

本發明提出一種基于內容標簽的推薦系統，并應用于知識庫領域，讓用戶被動的獲取到自己感興趣的知識內容，其包括：

知識源：包括電子知識資源、紙件知識資源，電子知識資源包括電子文本、電子圖片、視頻、或 語音；

知識采集模塊：負責從知識源上采集知識內容，或人工錄入，知識采集模塊采集到知識內容后，將知識內容保存到內容資源數據庫中，為保持推薦的知識內容為總為新的，知識采集模塊還包括活躍內容管理模塊，活躍內容管理模塊負責管理容資源數據庫中活躍的內容，若某一知識內容發布時間超過一定的實效則視為過期，并標記為已歸檔，而不會出現在以后的知識推薦列表中；

知識推薦模塊：負責響應用戶請求，生成知識推薦列表，并將列表返回給用戶，在知識推薦模塊中的算法為基于內容標簽的推薦算法，知識推薦模塊還包括將最新的知識內容整合到推薦列表中的功能模塊，因為最新的知識是依據時間排序的，而內容具有隨機性。

資源調度模塊：負責監控知識庫推薦系統當前負載情況，按照算法調整知識數據保持的時間實效，從而保證知識的實時性，并控制知識的數量；還調用推薦算法進行計算和關于相似度的計算，計算的內容包括用戶在瀏覽知識的過程中其使用習慣數據，該使用習慣數據包括使用時間、閱讀的知識分類、每天知識閱讀時間和次數等信息，這些信息都被記錄到用戶數據庫，然后，由用戶建模模塊進行數據分析，并最終生成用戶模型保存在用戶模型數據庫中。

所述資源模塊定時運行，不斷更新用戶模型，使得用戶的興趣轉移能夠實時反映到用戶模型中。

所述資源模塊還包括監視系統資源模塊，所述監視系統資源模塊根據負載情況實時調整計算資源的分配，從而保持知識庫推薦系統穩定的響應時間。

所述知識分類包括對用戶的不同主題的興趣特征進行分類，計算使用用戶關注某篇內容的時間長度，并以此作為用戶對此內容的一個關注度指標。

附圖說明

圖1為本發明基于內容標簽的知識庫推薦系統示意圖；

圖2為本發明基于內容標簽的知識庫推薦系統知識推薦原理示意圖。

具體實施方式

實施例1，如圖1所示，一種基于內容標簽的推薦系統，并應用于知識庫領域，讓用戶被動的獲取到自己感興趣的知識內容，其包括：

知識源：包括電子知識資源、紙件知識資源，電子知識資源包括電子文本、電子圖片、視頻、或 語音；

知識采集模塊：負責從知識源上采集知識內容，或人工錄入，知識采集模塊采集到知識內容后，將知識內容保存到內容資源數據庫中，為保持推薦的知識內容為總為新的，知識采集模塊還包括活躍內容管理模塊，活躍內容管理模塊負責管理容資源數據庫中活躍的內容，若某一知識內容發布時間超過一定的實效則視為過期，并標記為已歸檔，而不會出現在以后的知識推薦列表中；

知識推薦模塊：負責響應用戶請求，生成知識推薦列表，并將列表返回給用戶，在知識推薦模塊中的算法為基于內容標簽的推薦算法，知識推薦模塊還包括將最新的知識內容整合到推薦列表中的功能模塊，因為最新的知識是依據時間排序的，而內容具有隨機性。

資源調度模塊：負責監控知識庫推薦系統當前負載情況，按照算法調整知識數據保持的時間實效，從而保證知識的實時性，并控制知識的數量；還調用推薦算法進行計算和關于相似度的計算，計算的內容包括用戶在瀏覽知識的過程中其使用習慣數據，該使用習慣數據包括使用時間、閱讀的知識分類、每天知識閱讀時間和次數等信息，這些信息都被記錄到用戶數據庫，然后，由用戶建模模塊進行數據分析，并最終生成用戶模型保存在用戶模型數據庫中。

所述資源模塊定時運行，不斷更新用戶模型，使得用戶的興趣轉移能夠實時反映到用戶模型中。

所述資源模塊還包括監視系統資源模塊，所述監視系統資源模塊根據負載情況實時調整計算資源的分配，從而保持知識庫推薦系統穩定的響應時間。