共查询到20条相似文献，搜索用时 15 毫秒
1.
面向情境兴趣的文本信息过滤系统 总被引：3，自引：0，他引：3
随着对信息过滤技术研究的深入和展开，信息过滤系统的推荐质量不断得到提高。但长期以来文本信息过滤系统都是用来推荐符合用户长期兴趣的信息，而忽略了用户对短期突发信息的需求。针对这种情况，本文提出了面向个人情境兴趣的文本信息过滤系统。模拟实验显示，这种过滤系统可以更好的适用用户信息需求快速变化的情况。 相似文献
2.
个性化推荐服务可以帮助用户克服信息过载问题,受到广泛的关注.虽然目前的个性化推荐方法较多,但大多数方法与用户之间的交互性不强,很难满足用户个性化需求.鉴于TOPSIS方法是一种常用的有限方案多属性决策分析法,对对象评估既全面又客观,所以将其用到了个性化推荐研究之上,进而提出了基于TOPSIS算法的个性化推荐模型及其算法,最后通过举例表明了该算法能够较好地与用户进行交互,同时能够为用户提供满足其需求偏好的个性化推荐. 相似文献
3.
针对创新社区日益增长的海量信息阻碍了用户对知识进行有效获取和创造的现状,将模糊形式概念分析（FFCA）理论应用于创新社区领先用户的个性化知识推荐研究。首先识别出创新社区领先用户并对其发帖内容进行文本挖掘得到用户——知识模糊形式背景,然后构建带有相似度的模糊概念格对用户偏好进行建模,最后基于模糊概念格和协同过滤的推荐算法为领先用户提供个性化知识推荐有序列表。以手机用户创新社区为例,验证了基于FFCA的领先用户个性化知识推荐方法的可行性,有助于满足用户个性化知识需求,促进用户更好地参与社区知识创新。 相似文献
4.
随着电影业的繁荣、微视频的兴起以及智能电视的快速普及,使得互联网上的视频资源以爆炸式的方式增长,海量视频资源在解决用户视频资源需求的同时也带来了新的问题——信息过载。如何从海量的视频资源中主动发掘出用户感兴趣的视频并向其推荐,从而满足用户个性化需求,是视频推荐系统中的研究热点。 相似文献
5.
个性化信息服务中用户偏好的动态挖掘 总被引：2，自引：0，他引：2
基于个性化信息服务中用户偏好随时间变化的特性,采用聚类、关联规则等技术,对用户偏好进行动态挖掘.通过追踪用户需求序列,最终产生Top-N产品推荐,旨在提高推荐系统的推荐质量.然后选取协同过滤算法作对照,并采用MovieLens站点提供的测试数据集.通过对召回率和精度两项指标的分析,表明该动态挖掘算法具有较高的推荐准确度和全面性. 相似文献
6.
7.
个性化推荐系统是电子商务运作过程中的重要组成部分,计算机网络信息化的不断发展和当今数据的爆炸式增长,使得人们很难在海量信息中找寻出适合自身需求的数据和信息,信息过载状况时有发生。阐述了我国电子商务个性化推荐系统的作用,分析了当前主流电子商务推荐技术,对基于协同过滤的电子商务个性推荐算法进行了研究。 相似文献
8.
电子商务中个性化信息服务研究 总被引：1，自引：0，他引：1
与传统信息服务相比,个性化信息服务能更好的满足用户的需求,是电子商务发展的方向。本文在介绍个性化信息服务的同时,并着重讨论了实现个性化信息服务的关键技术——个性化信息推荐系统,尝试地给出一个个性化信息服务推荐系统的体系结构。 相似文献
9.
协同过滤技术是个性化推荐系统中最经典的代表,但传统的协同过滤技术也面临着冷启动、数据稀疏性等弊端,加上协同过滤技术很少考虑用户兴趣随时间变化和用户特征等因素,导致推荐质量不尽如人意。在传统协同过滤的基础上,结合用户兴趣变化和用户特征两方面,提出一种改进算法的协同过滤技术,与传统技术相比推荐质量显著提高。 相似文献
10.
11.
随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率. 相似文献
12.
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
13.
[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
14.
为了获取用户真正有用的Web信息,本文提出了一种将感性工学应用于计算机科学的信息过滤方法.该方法采用用户需求文档描述用户的需求,根据用户的兴趣爱好从动态变化的信息流中自动识别出满足用户个性化需求的信息.这种方法的好处是扩展了信息过滤的灵活性,增大了用户查询没有具体搜索词的可能性,能够帮助用户将其要求转变为具体的查询集,较大地提高了信息检索的科学性与实用性. 相似文献
15.
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
16.
[目的/意义] 从用户体验的视角对百度学术的功能进行分析,发现其优点和不足,为用户使用百度学术提供借鉴。[方法/过程] 首先将百度学术的功能分为检索功能、检索结果展示和个性化服务3部分;然后选择不同的检索词进行检索,对检索结果进行比较分析;最后利用百度学术提供的相关搜索词,从用户检索角度,对17种图书情报学期刊的关联性进行了实证研究。[结果/结论] 研究发现,①百度学术可以满足用户基本的学术信息检索需求;②百度学术为用户提供了较为丰富的筛选功能,便于用户从检索结果中查找所需要的学术信息,同时为用户提供了与检索结果相关的推荐信息;③百度学术的个性化服务可以满足用户对检索结果的管理需求,并为用户提供学术信息的推荐服务。 相似文献
17.
如何准确分析用户行为,向用户提供满意的网页信息,一直以来都是个性化信息推荐系统设计的目标。本文在分析现有个性化信息推荐模型的基础上,针对以往研究在推荐兴趣时仅根据语义相关度进行协助性信息推荐,而忽略用户行为规律所包含的潜在兴趣信息的不足,尝试提出一个结合Web语义挖掘和FP-tree规则发现技术的个性化信息推荐模型。该模型利用本体对语义的明确化描述,在挖掘用户行为信息时获取用户兴趣偏好的语义信息,并利用FP-tree技术根据以获取的语义信息推理出用户兴趣行为模式,从而在信息推荐时不仅能准确理解用户兴趣偏好,也能根据用户潜在兴趣规律,推荐给用户更全面的网页信息。 相似文献
18.
将情境因素引入个性化推荐系统中,考虑用户—资源—情境之间的三元关系,为处于不同情境、不同兴趣的移动用户推荐满足其需求的合适信息服务,是目前信息推荐新的研究方向.文章提出了基于情境和基于内容相结合的推荐算法,在当前情境下,利用用户的历史情境信息和用户偏好综合为用户推荐信息.实验表明,该算法能够显著地提高个性化推荐的准确率,可为用户提供符合当前情境的个性化资源. 相似文献
19.
20.
网络信息过滤技术为拦截不良信息和优化网络信息资源提供了技术基础。本文在分析高校网络用户的现状的基础之上。研究了分级过滤和个性化服务。提高高校网络信息资源优化的技术条件和满足不同用户需求的问题。 相似文献