共查询到19条相似文献，搜索用时 717 毫秒
1.
2.
基于语义的自适应个性化网页推荐 总被引：1，自引：0，他引：1
个性化网页推荐能高效、便捷地满足用户的信息需求.针对传统个性化技术的不足,提出基于语义的自适应个性化网页推荐方法,采用语义本体和用户兴趣偏移机制构建自适应的语义用户模型,并采用语义质心聚类技术提高推荐的准确率.实验结果表明,与其他推荐方法相比该算法具有更高的推荐准确率和召回率. 相似文献
3.
个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。 相似文献
4.
【目的/意义】当前全球信息化时代下信息过载问题日趋严峻,在深度挖掘信息的基础上,结合用户行为特
征进行智能匹配显得尤为重要。【方法/过程】本文在基于潜在因子模型的个性化推荐算法的基础上,构建了结合时
间序列的语义信息挖掘及匹配模型。通过引入用户历史行为的时间序列语义信息,提高已有模型预测用户偏好的
准确性,结合因子分解机的思想实现对扩展模型的构建,并通过 movielens数据集对该方法的有效性进行验证。【结
果/结论】实验结果表明,新模型能够有效提高已有推荐模型预测用户偏好的准确性,从而实现了良好的数据挖掘
及匹配效果。 相似文献
5.
基于隐式反馈的用户模型设计与实现 总被引：1，自引：0，他引：1
个性化信息服务技术实现的关键在于必须知道用户的兴趣,并准确地建立用户兴趣模型.本文利用用户浏览网页时的隐式反馈信息建立和更新用户模型,为了收集用户的浏览行为信息,在客户端设计了一个浏览器插件,并采用了回归分析方法建立了用于计算网页兴趣度的模型,通过实验数据分析证明所建立的模型是成立的. 相似文献
6.
随着Internet的普及和WWW的迅猛发展,网上信息呈指数增长,如何能在这个浩若烟海的信息空间中快速准确地查找自己需要的信息就显得十分重要.Web个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的相关网页,该项技术是提高网站服务质量和访问频率的一种重要手段.本文对典型的关联规则挖掘算法进行了分析和探讨,并在此基础上提出了一种新的应用于Web个性化推荐的关联规则挖掘算法,并深入讨论如何利用挖掘的关联规则进行个性化推荐. 相似文献
7.
基于本体学习的个性化网页推荐 总被引：3，自引：0，他引：3
为了高效和便捷地满足用户的信息需求,使用户得到有价值的个性化网页推荐.针对传统个性化技术的不足,提出基于本体学习的个性化网页推荐方法,采用领域本体构建用户的兴趣模型,并采用基于语义本体的相似度算法提高推荐的准确率.实验结果表明,与其他推荐方法相比该算法具有更高的推荐准确率和召回率. 相似文献
8.
个性化搜索引擎是一种用户驱动网页排名结果的优化方式。基于本体和语义网,用户建模可以作出准确的查询结果,它包括：限定搜索方式、过滤搜索结果,以及成为搜索过程等3种方式。因此,个性化搜索引擎用户模型可被视为用户驱动个性化搜索服务的模型。研究结论是整合前人研究并且提出＂用户行为（用户兴趣、用户偏好、用户查询记录）-用户文档（用户行为与关键词组）-用户建模（相关性算法与排名算法）-个性化服务＂的新模型,可作为数字图书馆发展个性化搜索引擎的指引。 相似文献
9.
[目的/意义]基于社交网络用户短期兴趣和长期兴趣,挖掘用户不同时间窗口下长短期兴趣,能够提高用户兴趣发现的准确性,解决推荐系统不能适应用户兴趣变化的问题。[方法/过程]通过对社交网络用户兴趣的研究发现,社交网络用户兴趣可以分为短期兴趣和长期兴趣,据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣,利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类,根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确地发现用户兴趣漂移特征,满足用户个性化信息需求。[局限]仅使用"微博"这一应用广泛的网络社交平台进行实证,未能从多个网络社交平台进一步验证模型的可行性和准确性。 相似文献
10.
针对目前文献管理软件无法识别用户潜在研究兴趣从而进行个性化推荐的现状,文章提出了基于主题的社会化推荐方法。首先通过基于内容的个性化过滤方法识别用户的主题偏好,然后利用社会网络分析方法 (SNA)识别学术网络中有影响力的文献,进而产生推荐。最后提出了基于社会网络的科技文献个性化推荐的框架。理论分析证明该方法可以准确反映用户的研究兴趣,灵活地识别用户所属的学术网络,从而为目标用户产生精准的文献推荐服务。 相似文献
11.
[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。 相似文献
12.
[目的/意义]通过融合用户社交与情境信息,构建虚拟知识社区个性化知识推荐模型并开展个性化知识推荐算法的设计,能够在一定程度上完善虚拟知识社区个性化知识推荐方法的理论体系,具有一定的理论价值和应用价值。[方法/过程]首先构建出基于用户社交与情境信息的虚拟知识社区个性化知识推荐模型,然后利用改进的最大团算法设计出虚拟知识社区个性化知识推荐算法,最后通过选取某虚拟知识社区的用户数据进行实例分析实现精准的个性化知识推荐。[结果/结论]在利用融合用户社交与情境信息进行虚拟知识社区个性化知识推荐过程中,通过对某虚拟知识社区的实例分析,表明其个性化知识推荐结果的精准度得到了显著的提升。 相似文献
13.
基于社会标签的推荐系统研究 总被引：1，自引：0，他引：1
社会标签是一种新颖的大众索引方法,在Web 2.0时代各种收藏、检索、共享网站中得到广泛的应用,个性化推荐系统是基于用户的偏好为用户提供个性化信息服务的重要技术。本文针对推荐技术如何与社会标签结合的问题,分析了最新的研究现状和应用。详细阐述了3个方面的研究进展:标签推荐系统的研究、基于社会标签的个性化推荐系统的研究、社会标签的推荐应用系统。 相似文献
14.
本文从Web2.0时代的用户信息需求分析出发,探讨了基于显性行为和隐性行为的个性化服务需求,分析了用户对推荐服务的要求,构建了基于推荐服务的用户信息需求转化模型. 相似文献
15.
A recommender system has an obvious appeal in an environment where the amount of on-line information vastly outstrips any individual’s capability to survey. Music recommendation is considered a popular application area. In order to make personalized recommendations, many collaborative music recommender systems (CMRS) focus on capturing precise similarities among users or items based on user historical ratings. Despite the valuable information from audio features of music itself, however, few studies have investigated how to utilize information extracted directly from music for personalized recommendation in CMRS. In this paper, we describe a CMRS based on our proposed item-based probabilistic model, where items are classified into groups and predictions are made for users considering the Gaussian distribution of user ratings. In addition, this model has been extended for improved recommendation performance by utilizing audio features that help alleviate three well-known problems associated with data sparseness in collaborative recommender systems: user bias, non-association, and cold start problems in capturing accurate similarities among items. Experimental results based on two real-world data sets lead us to believe that content information is crucial in achieving better personalized recommendation beyond user ratings. We further show how primitive audio features can be combined into aggregate features for the proposed CRMS and analyze their influences on recommendation performance. Although this model was developed originally for music collaborative recommendation based on audio features, our experiment with the movie data set demonstrates that it can be applied to other domains. 相似文献
16.
17.
社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用CiteULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。 相似文献
18.