共查询到20条相似文献，搜索用时 234 毫秒
1.
书目推荐旨在建立图书与读者之间的双向连接。新兴网络读书社区中用户的参与互动过程积累了大量用户行为数据,为书目推荐提供了丰富的数据依据。文章针对网络读书社区中的主要用户阅读行为,综合考虑用户评分、阅读状态、标签、时间信息对用户阅读偏好的体现,提出用户阅读偏好程度和偏好方向相结合的用户偏好模型,形成了个性化书目推荐。采集豆瓣读书数据进行模型检验,结果表明,该模型有效地提高书目推荐的准确性和多样性,对网络读书社区实施个性化书目推荐具有参考价值。 相似文献
2.
3.
基于属性值偏好矩阵的协同过滤推荐算法 总被引：7，自引：2，他引：5
传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性. 相似文献
4.
[目的/意义]算法推荐类APP吸引了大量用户使用,提高用户留存率一直是各类应用关注的重点。文章探索了用户流失行为的影响因素,为减少用户流失、提升用户使用体验提供建议和对策。[方法/过程]文章采集算法推荐类APP用户评论9772条,采用扎根理论对数据进行编码,以此厘清用户流失行为影响因素,构建算法推荐类APP用户流失行为影响因素模型。[结果/结论]信息因素、环境因素、系统因素、网络社群通过影响用户的控制感间接影响用户流失行为,用户的信息素养在控制感和用户流失行为中起调节作用。 相似文献
5.
[目的 /意义]从用户行为视角探究算法推荐服务应用过程中存在的问题,可为应对算法推荐乱象提供指引和规范。[方法 /过程]采用条件价值法量化网络用户算法推荐服务接受意愿,并对其接受意愿与使用行为是否背离进行验证,最后基于感知价值与风险理论分析该现象产生的影响因素。[结果 /结论 ]网络用户在算法推荐服务使用过程中,存在接受意愿与使用行为的背离现象,即用户持续使用但接受意愿不高。用户感知价值对接受意愿与行为背离产生负向作用且用户的感知愉悦性影响最为显著;感知风险正向影响背离现象产生,其中经济损失程度影响最大,信息过载程度影响最小。 相似文献
6.
研究情景化用户偏好引导下的用户学术信息行为,是优化个性化学术推荐服务的基础。本文首先对情景化和用户偏好的概念进行解析,分析情景化用户偏好引导下的信息需求,进而对情景化用户偏好引导下用户学术信息行为特征进行分析,探寻情景化用户偏好引导下用户学术信息行为识别获取方式,以此作为提高学术信息服务质量的基础。 相似文献
7.
[目的/意义]结合当前个性化推荐算法的广泛应用,梳理信息弱势群体在使用短视频平台过程中算法素养的形成机理,识别信息弱势群体算法素养的影响因素,为信息弱势群体算法素养培育工作提供依据。[研究设计/方法]采用扎根理论,利用Nvivo12对访谈资料进行三阶段编码,最终构建信息弱势群体与短视频内容推荐算法交互中算法素养的形成机理与影响因素模型,对信息弱势群体的算法素养展开探索性研究。[结论/发现]信息弱势群体在短视频平台的使用过程中对内容推荐算法的感知主要由与算法的交互、用户兴趣点的变化、使用平台的更换、与他人的比较所触发,同时受用户使用短视频平台的目的以及自主权意识的影响。此外,算法素养的各组成部分之间并不独立：用户对内容推荐算法逻辑的理解水平受其对算法的感知程度影响。理解内容推荐算法较深的用户在使用短视频平台时会保持较为批判的态度,并采取积极的算法调控行为。[创新/价值]深化了短视频平台交互中算法素养的形成机理并提炼了相关影响因素,为信息弱势群体算法素养培育工作提供对策。 相似文献
8.
[目的 /意义]算法推荐服务衍生的风险给人们的日常生活造成重大影响,厘清算法推荐服务风险的产生机制以及用户应对算法推荐服务风险的行为特征有助于进一步完善算法推荐服务体系。[方法 /过程]运用扎根理论,采用半结构化的访谈方式,一对一深度访谈30名网络用户,结合防护性行为模型和风险应对行为理论,探索算法推荐服务风险中用户的应对机制、影响因素以及决策路径。[结果 /结论 ]研究发现风险属性、传播渠道、平台特征和用户行为特征对算法推荐服务风险的传播产生影响;在风险传播的基础上,用户形成风险感知、利益相关者感知和防护性行为感知;用户在感知的基础上形成态度和效果评估,并以此为依据制定决策,采取不同的应对行为。最后从算法素养、风险参与和个体学习3个层次提出建议,以应对算法推荐服务风险。 相似文献
9.
[目的/意义]开展科研信息用户与知识服务平台个性化信息推荐功能的交互研究,有助于提升对用户推荐交互行为的理解,改善平台的推荐交互设计,从而提升推荐功能的用户体验;也可为优化推荐算法,提升推荐内容有效性提供指导。[方法/过程]招募36名参与者,采用实验研究方法,以CNKI和ScienceDirect为实验平台,利用Morae收集数据,开展用户研究。[结果/结论 ]研究揭示用户与推荐功能的交互行为、交互路径与交互路径链。主要揭示用户与个性化信息推荐交互的4个阶段、9种交互行为特征及4种交互路径类型;用户对推荐的关注源于检索结果无法满足他们的信息需求。研究发现采纳推荐能够启发用户,进一步影响他们与平台的交互。研究也表明,当前知识服务平台的推荐质量有待提升,用户对推荐的采纳使用率较低,常用的推荐交互路径较短,趋于简单化。 相似文献
10.
基于用户行为分析的自适应新闻推荐模型 总被引：4，自引：0，他引：4
针对新闻浏览者的偏好易变等特点，通过度量在线用户的点击和阅读行为，依据其不同的阅读策略类型，分析其页面偏好，并综合各页面偏好和新闻偏好，以关键字偏好表的形式表示;然后设计自适应的评分推荐机制，动态地分析用户兴趣及其转移;设计学习机制，根据用户实际阅读的新闻，调整其关键字偏好，并采用模糊相似度来分析用户偏好结构与新闻结构的相似性，从而产生推荐。实验表明，所构造的模型能够提供良好的个性化新闻推荐服务。 相似文献
11.
提出基于不完全模糊语言的高校数字图书馆信息资源推荐系统,该系统中,用户兴趣模型的建立不要求用户直接提供偏好信息,而是允许用户通过不完全模糊语言偏好关系来表达个人偏好,这样既为用户节省时间和精力,又能获取更加准确的用户偏好,从而大大提高推荐精度。系统同时还引入"用户协作偏好",有助于用户开展多学科研究或参与合作研究项目。 相似文献
12.
[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得最优聚类效果后进行方差分析,对模型进行改进。[结果/结论]基于多维度属性加权后的用户聚类效果明显高于单一维度及多维度非加权条件下的用户聚类,且用户博文内容维度对于提高用户聚类效果的有效性最大。 相似文献
13.
14.
15.
[目的/意义]微博对用户获取信息和建立社交网络具有重要作用。提出一种基于相似度和信任度融合的微博内容推荐方法,能够从用户需求出发进行个性化微博内容推荐,对提高微博服务质量、改善信息过载问题具有意义。[方法/过程]基于相似度和信任度融合算法,构建微博内容推荐模型,以新浪微博为研究对象,采用编程方式获取汽车、体育、运动健身、互联网和财经5个领域的数据,展开用户相似度与信任度计算的实验分析和比较。[结果/结论]分析结果显示该方法可以有效表示和挖掘微博内容,改善微博推荐的准确性和用户满意度。 相似文献
16.
17.
[目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题，提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型，并通过对用户行为的度量，计算用户对其浏览学术资源的兴趣度，结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配，计算其相似度，得到用户对每条学术资源的兴趣值，最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率，结果显示，本文从实时动态度量兴趣的角度，提出的推荐算法能较好地预测用户兴趣，推荐效果显著，为实现发现服务精准推荐提供思路。 相似文献
18.
基于用户画像的高校图书馆个性化资源推荐服务设计 总被引：1，自引：0，他引：1
用户画像作为大数据分析背景下个性化推荐服务的设计工具,为高校图书馆领域个性化阅读资源推荐服务提供解决思路。本研究在分析目前个性化推荐和用户画像研究的基础上,引入用户画像技术,从数据基础层、数据处理层、画像构建层、画像服务层设计探讨用户画像的构建流程,重点在用户画像构建和画像服务层面进行阐述,同时从用户基本属性、阅读状态、学习风格、阅读偏好四个维度构建用户多维画像模型,并提出基于冷启动和用户阅读学习过程画像的个性化推荐服务策略,以期为后疫情教育环境下高校图书馆开展个性化资源推荐服务和满足用户多维度阅读学习需求提供参考。 相似文献
19.
20.
动静结合的图书馆个性化资源推荐系统的建立 总被引：1，自引：0，他引：1
通过分析高校图书馆读者的基本信息、历史行为以及位置、信息环境等的变化,建立动态推荐和静态推荐相结合的个性化图书馆资源推荐系统。系统通过对图书馆信息资源提取关键字、分类和位置化,可以根据用户的兴趣模型和档案结合环境因素进行计算和信息推荐,不但为读者挖掘兴趣和推荐与兴趣相关的资源,节省读者搜索、查找时间,同时还可以提高图书馆资源的利用效率。 相似文献