共查询到10条相似文献,搜索用时 453 毫秒
1.
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
2.
3.
【目的/意义】社会化问答社区现已成为网络用户共享、传播及获取知识的重要平台,但其开放性和交互性 也给其问题推荐工作带来了巨大的挑战。本文提出的基于多源混合标签的方法能够有效提高社会化问答社区的 问题推荐质量,以促使问题得到及时有效地解决。【方法/过程】利用自动标签标注系统从问答文本中提取关键词, 将语义扩展后的关键词作为基本标签,并建立多源混合标签库;利用标签表示用户的兴趣偏好与权威度,并建立用 户特征模型;最终通过协同过滤的方式进行匹配推荐。【结果/结论】实验结果表明,本文提出的基于多源混合标签 的问题推荐方法在检全率、检准率以及F值等指标方面均不同程度地优于基于文本相似度的基准方法。 相似文献
4.
[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。 相似文献
5.
【目的/意义】为探究学术型社区用户协同交互行为生命周期,旨在通过基于学术型社区主题帖的协同交
互行为的调研分析,指导学术型社区用户协同交互行为的持续开展,促进知识资源的有效利用。【方法/过程】分别
选取丁香园社区的热门版块和冷门版块共计 4个版块的 84日内的病例帖作为样本,进行时序性调研分析,并计算
各版块的生命周期分布。【结果/结论】丁香园社区协同交互行为整体生命周期均值为 40.5日,热门版块相对冷门版
块而言其协同交互行为活跃期和衰退期均更长,学术型社区用户在工作日的协同交互频率要明显高于非工作日。 相似文献
6.
【目的/意义】用户画像深刻地描述了视频用户的个体和群体行为特征,为视频的个性化推荐服务提供参
考。【方法/过程】通过文本挖掘对爬取的视频、用户及其观影数据分析,构建单个用户画像,并通过K-Means和LDA
模型对用户聚类并提取主题,挖掘群体用户特征。基于用户画像和时间指数衰减的视频兴趣标签,并结合视频喜
爱度和协同过滤,进行视频推荐。【结果/结论】考虑时间指数衰减的个性化推荐,提高了系统对用户兴趣的感知。
结合视频喜爱度和协同过滤,推荐视频评分达0.87,有助于提高用户对网站的忠诚度和活跃度。【创新/局限】基于用
户生成内容的文本挖掘结果,进行单个和群体用户画像,并创新性采用时间指数衰减构建用户视频兴趣标签,以捕
获用户兴趣的变化。由于网络爬虫的限制,实验数据量有一定的局限性,且特征提取兴趣范围有限。 相似文献
7.
8.
9.
协同标注系统的语义丰富 总被引:1,自引:0,他引:1
提出利用语义网技术语义丰富协同标注系统的方法,通过对协同标注系统的标签进行标准化处理,利用标签的共现分析出标签的意思组,并将其与相关本体的SWTS(概念、属性、实例)映射,从而丰富标签的语义,以改善协同标注系统的检索结果. 相似文献
10.
[目的/意义]通过构建在线健康社区用户画像,解释不同用户群体的情感差异和特征,以掌握社区用户情感表达规律,推动在线健康社区的信息支持与情感支持功能建设。[方法/过程]首先,分析建立用户画像的目的,结合在线健康社区的数据特点建立包含基本信息、情感、主题和信息行为特征的用户画像概念模型。其次,确定各用户的标签属性,对标签属性进行抽取。最后,结合情感标签对用户角色进行划分,利用具有噪声的基于密度的空间聚类方法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)实现了用户画像并分析不同角色的画像特征。[结果/结论]提出的方法可以有效生成贴近用户原貌的画像并识别用户情感表达特征。通过实例分析挖掘出焦虑型、愤怒型、祈祷型、乐观型和悲哀型等5类社区用户群,各用户群体在性别、年龄、影响力、活跃度和兴趣主题方面均表现出不同的情感特征差异。 相似文献