Author: Edward H.Y. Lim, Hillman W.K. Tam, Sandy W.K. Wong, James N. K. Liu and Raymond S. T. Lee
Source: FUZZ-IEEE 2009, Korea, August 20-24, 2009
隨 著近年網路資訊的發展，以往一般關鍵字搜索已不能符合使用者的需求，因此語意網(Semantic Web)技術開始發展並用於改善現有系統智慧匱乏的情況，但隨著使用者需求以及認知的不同，單一ontology的使用無法適切的滿足各個使用者的需要， 因此本文提出了融合Content-based Learning Approach及User-based Learning Approach的方式，基於專家群所制定的ontology並依照各使用者的需求去自動創建使用者專屬的Personalize Ontology，來解決使用者認知不同之問題。
上 圖為系統的架構，左半為Content-based，是基於文件及其內含字詞關聯性的學習程序；右半為User-based，藉由BoBo(一種瀏覽器) 來回傳各使用者的瀏覽、搜尋的行為回饋，來創立使用者自己的Personalize Ontology，並可由Personalize Ontology這個輸出來改善預設的Ontology Learning。
藉由此圖可以看出字詞(Term)、領域(Concept)之間的關聯，之間的箭頭代表著之間的關聯性高低。
其關聯性主要是採用社會統計中的Chi-square方式，利用其判斷各字詞、領域的獨立性，並藉由向量空間模型(Vector Space Model)，以字詞獨立性作為各領域中的向量，然後使用餘弦定理計算各領域之間的關聯性。
個人化方面流程是利用BuBo回傳各使用者的行為回饋(feedback)來創立
並使用XML來創立User Profile，紀錄使用者曾瀏覽、搜尋的頁面或字詞，以此作為使用者喜好來改善個人化系統。
以下為整個整合系統的架構圖
此系統改善了以往Ontology無法符合每個使用者的個別需求，並利用了BuBo來回傳feedback改善使用者的個人化Ontology，並可由使用者本體來改善預設的本體，達到自動進化的功能。
