利用本体技术建立用户模型，用元数据对用户知识背景、兴趣、情感和社会关系等特征进行抽象。对用户信息和学习日志进行语义标注构建用户本体。每个用户本体都是用户模型的一个实例，具有不同的知识结构。可根据用户已访问的资源了解用户所掌握的知识，相应修改用户的知识结构，动态更新用户本体。在用户本体中也会使用到领域知识本体中的概念或实例。检索时可根据本体中用户特征匹配搜索结果、检出适合用户自身情况的学习资源。
一般基于本体的用户兴趣模型(OBUIM＝PersonalI，PersonalO，InterestD)包括三个部分，分别是包含用户基本信息的PersonalI＝{name，sex，birth，profession，hobby}，表达用户个性的本体PersonalO，及表达用户对PersonalO中概念兴趣度的集合InterestD＝{＜concept，Degree＞｜concept∈PersonalO}。这样的用户背景表达，主要存在以下三个方面的问题：
(1)将兴趣度独立为一个集合，将造成数据的冗余，致使本体过于复杂，影响后期的本体更新和推理速度；
(2)对于用户信息的显式获取要求过高，且存在用户隐私保护问题；(www.xing528.com)
(3)没有考虑用户情感和社会关系给用户带来的影晌。
针对以上问题，本书将用户模型定义为UPprofile＝(Plnfo，Kimodel)。Pinfo＝{email，Sex，Profession，Sentiment，RSocial}，代表用户基本信息(电子邮件，性别，职业，情感，社会关系)，这样的表示将不涉及用户的具体姓名等真实隐私数据，无隐私保护问题，并且充分考虑了用户情感和社会关系的影响，其中用户情感中存储的是用户情感倾向度较高资源集合的语义特征集，社会关系中有朋友和组成员两类，对应于friends和partsof属性字段；KIModel＝{C，R，A，I}，表示用户的知识背景和兴趣，这样的设计将消除本体数据的冗余，系统可以简单的通过属性I获取其用户对某个概念的兴趣度。其中C表示概念集合；R表示概念间语义关系；A代表一组描述所有概念和概念间关系约束的定理；I表示用户对概念的兴趣度。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
