共查询到17条相似文献，搜索用时 296 毫秒
1.
[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。 相似文献
2.
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
3.
[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
4.
【目的/意义】数字期刊阅读在移动网络的推动下已成为互联网使用群体必不可少的活动,分析数字期刊 服务中的用户行为能够掌握用户阅读倾向,提高推送精确度。从用户行为感知的角度出发根据用户信息分析用户 行为轨迹,搭建推送模型,结合推荐算法和用户行为预测模型,实现数字期刊的用户个性化推荐。【方法/过程】本文 使用聚类算法和加权二部图算法计算用户相似度、寻找用户邻居簇,进而预测用户对数字期刊的评分,基于加权 Markov模型预测用户模型,生成数字期刊推送结果。【结果/结论】利用用户行为感知技术对数字期刊服务推送提 出了基本的研究理论框架,依照推荐算法设计对不同用户进行个性化推荐,增强用户信赖感,提高用户对数字期刊 阅读的满意度。 相似文献
5.
6.
[目的/意义]电商智能推荐服务帮助电商平台挖掘用户潜在需求，为用户进行商品和服务选择提供便利，但同时也引发了用户对于隐私和数据安全的担忧。本文通过探究智能化信息技术时代用户信息隐私披露意愿的影响机理，为缓解用户信息隐私担忧，促进电子商务平台持续健康发展提供参考和建议。[方法/过程]本文基于APCO模型、隐私计算理论和人格五因素模型，结合信息隐私披露的相关文献，构建了电商智能推荐用户信息隐私披露意愿的理论模型。通过问卷调查收集596份有效问卷，利用Smart PLS3.0软件进行数据分析和假设检验。[结果/结论]研究结果发现：(1)隐私素养和隐私社会规范均显著正向影响用户隐私关注；(2)隐私关注显著正向影响感知风险，显著负向影响信息隐私披露意愿；(3)感知利益显著正向影响信息隐私披露意愿；(4)智能推荐商品相关性、外向性人格特质和宜人性人格特质显著负向调节用户隐私关注和信息隐私披露意愿的关系。信息隐私安全和算法公平是信息时代重要的管理实践问题，本文关注智能推荐和关联分析给用户信息隐私保护带来的问题和挑战，从理论上拓展了信息隐私披露领域的研究视角，从实践上为电子商务平台保护用户信息隐私安全... 相似文献
7.
【目的/意义】移动互联网时代,移动电子商务用户的个性化信息需求具有极强的情景依赖性与感知信任
性,针对目前移动商务信息服务个性化和准确性较低,提出融入用户个性化情景与用户间信任关系的推荐模型。
【方法/过程】首先,通过用户当前情景和历史评分数据计算出对每个用户即时信息需求影响最大的K个情景要素,
以此构造用户个性化情景,然后结合不同信任环境下的用户信任度矩阵改进已有的不同信任信息环境下用户情景
兴趣推荐方法,进而进行项目推荐。【结果/结论】通过Movie lens与Book-Crossing数据集对本文提出的算法和其
它两种算法进行比较,实验结果表明：本模型具有较高的推荐准确率,可有效地解决移动商务环境下的个性化推
荐问题。 相似文献
8.
[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
9.
[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
10.
[目的/意义]挖掘潜在好友关系并进行精准的好友推荐服务,已成为社交网络领域研究的热点,基于用户属性-关系相似度的好友推荐模型研究旨在增强用户忠诚度以及在线社区活跃度,提升社区的信息服务准确性和效率。[方法/过程]通过融合用户链接关系与属性特征,提出用户属性-关系相似评价体系;采用因子分析法,计算得出各项目权重以及综合得分;据此构建社交网络相似度矩阵,基于派系划分方法,对用户进行划分分区,最终实现好友推荐服务。[结果/结论]实验结果表明,运用派系划分的基于用户属性-关系推荐模型在推荐列表长度受限情况下的整体表现较优,有效提高推荐精准度。 相似文献
11.
12.
13.
[目的/意义]深度学习技术作为大数据、"互联网+"环境下用户分析和服务设计的有力工具，为图书馆馆藏资源推荐服务提供了新的研究思路和发展方向。[方法/过程]首先，基于文献查阅法、网络调查法对国内外图书馆馆藏资源推荐服务的研究现状、应用情况进行了分析与研究。然后，在概述深度学习技术及其相关应用实践的基础上，在深度学习视角下提出了一种以读者用户兴趣值为基础的图书馆馆藏资源推荐模型。[结果/结论]分别从数据关联、情景分析和协同过滤技术3个方面探讨了图书馆馆藏资源推荐模式，为大数据环境下面向用户的图书馆资源精准推荐提供参考。 相似文献
14.
[目的/意义]数字图书馆的知识服务需要考虑用户科研情境的因素,现有研究大多集中于科研人员个体,忽略了科研团队的情境。针对团队科研活动的情境进行知识推荐,可以更好地服务以团队合作方式开展的科研活动。[方法/过程]提出了一种基于团队科研—知识应用情境匹配的数字图书馆知识推荐方法。运用情境感知技术构建数字图书馆知识应用情境和团队科研情境模型,将二者匹配,为活跃用户筛选出备选知识和邻居用户,完成知识排序和推荐。[结果/结论]通过数字图书馆知识推荐实例证实,提出的推荐方法能够精准挖掘出团队科研情境下科研人员的知识需求。 相似文献
15.
[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。 相似文献
16.
[目的/意义]通过此研究给图书馆跨界服务研究和图书馆发展提供参考和借鉴。[方法/过程]文章从研究城市图书馆跨界服务概念入手,在分析其动因的基础上,提出了城市图书馆基于服务集成的产业间跨界融合模式、基于"互联网+"的线上线下跨界服务模式和基于上下游协同的供应链跨界服务模式3种跨界服务模式,并根据功能的不同每种模式又可进行细分。[结果/结论]"互联网+"时代城市图书馆跨界服务是图书馆行业发展的必然趋势。 相似文献
17.
数字图书馆的个性化推荐策略 总被引：2，自引：0，他引：2
本文研究了数字图书馆领域的个性化推荐服务，根据用户描述文件和资源描述文件这两个初始模型，利用协同过滤技术，提出了3种相似性的推荐算法，从而为用户提供个性化推荐服务。 相似文献