共查询到20条相似文献，搜索用时 109 毫秒
1.
【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
2.
【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧
图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者
和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位
置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能
力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆
虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限
在于选取的读者以及图书数量较少。 相似文献
3.
【目的/意义】构建基于用户动态画像的学术新媒体信息精准推荐模型是满足学术新媒体用户对学术信息
资源精准化、个性化与专业化的要求,同时也是提高学术信息流转效率以及价值增值的有效途径。【方法/过程】在
探究学术新媒体信息流转模型的基础上,进一步分析学术新媒体用户需求与分层画像,重构学术新媒体用户画像
步骤,构建基于用户动态画像的学术新媒体信息精准推荐模型。【结果/结论】基于用户动态画像的学术新媒体信息
精准推荐模型能够实现学术信息资源与用户的精准对接,提升用户忠诚度,更好地服务科研工作者的学术活动。
【创新/局限】从理论框架角度分析与构建学术新媒体信息推荐模型,后续将重点研究模型的技术实现与实践应用。 相似文献
4.
【目的/意义】本文基于概念格构建了高校图书馆群体用户兴趣画像,揭示不同群体用户的行为需求,挖掘 潜在的行为规律,为高校图书馆不同群体用户的个性化服务提供参考。【方法/过程】以高校图书馆为服务主体,对 服务对象进行细化和分类,利用Con Exp1.3工具构建不同群体用户类别的细分标签,并生成Hasse图,深入挖掘用 户的行为属性和需求特征,通过概念格“Calculate Association Rule”对不同群体的用户行为进行关联规则挖掘,实现 群体兴趣画像的精准刻画。【结果/结论】借鉴概念格的方法,能够更加清晰和全面的展示层级关系,识别群体用户 的需求属性和行为特征,进而探索用户之间的关联,有助于提升高校图书馆的服务质量,提升服务效率。 相似文献
5.
【目的/意义】为了提高信息服务的质量,文章融合“用户-标签-资源项”关系模型以及时间因素对于用户
标注资源的影响,提出了一种个性化推荐方法。【方法/过程】首先建立起“用户-标签-资源项”三者之间的关系模
型,分别计算用户对标签的偏好程度以及资源与标签的相关程度,以此为基础进行用户相似性和资源项相似性的
度量;然后,考虑标签使用的时间因素对用户兴趣偏好的影响结合基于用户标注行为的用户相似性以及资源项相
似性度量方法提出了改进的个性化推荐方法。【结果/结论】提出了一种综合标签和时间因素的推荐算法,该方法利
用标签使用频率描述用户偏好,并结合标签使用的时间因素动态更新用户偏好,提高推荐精度。该方法应用于医
学信息服务应用场景之中,并收集实验数据,最后将提出的方法与其他基于标签信息的协同过滤推荐方法在实验
数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。 相似文献
6.
【目的/意义】探究社交媒体错失焦虑的原因要素和结果要素标签,构建社交媒体错失焦虑用户画像模型并
进行描述分析,有助于丰富用户画像在社交媒体环境下的研究内容,为深入探究社交媒体用户错失焦虑发展态势
提供指导。【方法/过程】通过质性访谈收集文本资料,基于信息生态理论提取原因要素标签,从情感特征和行为特
征提取结果要素标签,在因果关联视域下构建社交媒体错失焦虑用户画像模型。【结果/结论】构建的社交媒体
FoMO用户画像模型能够有效阐明各标签要素之间的因果逻辑关系,确立社交媒体环境下错失焦虑用户画像模型
体系,为社交媒体错失焦虑现象提供一个较为全面的用户画像标签类型解释。【创新/局限】本研究只选取微信平台
对社交媒体 FoMO 用户画像进行模型构建,未对多平台 FoMO 用户画像进行实证分析的比较研究,因此存在一定
的局限性,但这也为后续相关研究奠定了坚实的理论基础。 相似文献
7.
【目的/意义】通过对大数据环境下的多源用户兴趣特征有效融合,缓解个性化推荐中用户兴趣偏好数据的稀疏性和准确性问题。【方法/过程】考虑到多域的数据权威度、内容质量及体系结构的差异化较为明显,提出了基于多源用户标签的跨域兴趣融合模型,首先把多个域中的用户兴趣进行标签化处理,然后利用跨域用户识别和标签权重归一方法得到多个域的用户实体-标签矩阵,最后使用域权重影响系数对标签进行融合,构造具有复合权重的用户兴趣标签集。【结果/结论】使用5个来源数据域进行实验与分析,融合模型能够有效提高标签用户覆盖效果,在查全率不断提高的情况,融合域能够保持较高的标签用户查准率,有效提高用户兴趣特征的描绘效果。 相似文献
8.
【目的/意义】面对网络时代数据的海量性和无序性,为用户推荐个性化资源有利于增强用户间合作、提高
知识的共享速度,对新知识的发现具有深远意义。【方法/过程】基于具有相同兴趣用户的聚合优于单纯的信息聚
合,构建基于社会化标注系统的个性化推荐模型。通过引入社会网络中用户使用标签的频次来选择与用户关联显
著的标签,并通过加权派系发现和聚合“小众”凝聚组群和相似标签集,进而为用户推荐优质资源,使其真正契合用
户的个性化需求偏好。【结果/结论】结果表明模型能够有效实现信息的个性化推荐,消除单独聚类带来的粗糙数据
集,并通过抓取豆瓣上的数据进行实证分析。 相似文献
9.
【目的/意义】基于社交媒体用户分享的图像、博文及用户标签数据,为用户推荐潜在的好友,从而更好的为 用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的基础上,通过使用 深度学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于这三类特征组合,通过计算用户之间的 余弦相似度来挖掘与目标用户兴趣最相近的若干个候选用户。同时,探讨了多模数据在无监督学习下的用户推荐 问题,并与单模数据进行比较。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户的兴 趣进行建模并进行好友推荐较单模数据效果好。 相似文献
10.
【目的/意义】探究学术社交网络用户使用动机与行为的投射关系,从行为数据中反推使用动机并基于动机
构建群体画像,为平台定位用户群体、挖掘需求偏好提供指导。【方法/过程】首先剖析学术社交网络用户使用动机
的投射过程,明确动机类型及不同动机下行为的投射表达;然后设计用户使用动机画像的总体流程,最后以小木虫
社区为例,采集相应的行为数据进行动机画像的实验分析。【结果/结论】结果表明样本可划分为五类群体,通过类
簇中心与平均用户的对比可从动机视角概括出群体特征标签,解读出用户使用动机及需求偏好。【创新/局限】在变
革用户使用动机的获取方式、发挥动机研究对运营实践指导作用方面进行了创新性尝试,但在细粒度行为数据采
集及不同领域对比分析方面有待进一步研究。 相似文献
11.
[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。 相似文献
12.
【目的/意义】为进一步完善个性化微阅读推荐模型,丰富个性化微阅读推荐的理论体系以及拓展个性化
微阅读推荐的研究方法。【方法/过程】首先探讨基于用户认知的个性化微阅读推荐模型的研究框架,然后从“人
——用户”到“需求——偏好”再到“系统——推荐”三个层面入手,提出从微阅读用户画像建模、微阅读用户偏好提
取及匹配以及个性化微阅读自适应推荐模型构建三个方面开展研究,最终形成具有针对性的个性化微阅读自适应
推荐模型。【结果/结论】通过借鉴用户认知的基本理论和技术方法,将移动用户微阅读的情境感知、社交网络和情
感体验进行融合构建用户画像并且在融合的基础上实现个性化微阅读自适应信息推荐。 相似文献
13.
[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
14.
【 目的/意义】在突发公共卫生事件情境下面向在线健康社区用户画像与分群,有助于提升社区服务质量,为
拓宽互联网疫情风险感知渠道作出贡献。【方法/过程】以“COVID-19”为例,结合社区数据特点从用户基本特征、
用户兴趣主题、情感倾向、用户问诊需求和用户交互网络角色五个角度出发构建画像标签并利用DBSCAN聚类实
现画像,根据画像结果呈现用户概貌;利用 AP算法在画像基础上实现用户分群,通过社会网络分析找到最具疫情
风险发现价值的用户类群。【结果/结论】实例分析表明,本文所构建的模型能够有效生成在线健康社区用户画像,
画像可以对社区用户进行概括、映射用户原貌;分群结果呈现出5类社区用户群：患者、疑似患者、医师、奉献者和社
区管理员;社会网络分析表明最具疫情风险发现价值的用户群体为疑似患者和奉献者。【创新/局限】实例分析数据
量尚达不到“大数据”标准,画像构建粒度仍有继续提升的空间。 相似文献
15.
【目的/意义】随着广大微博用户对微博信息推荐要求的提高,如何提升微博信息推荐的精准度,实现内容 的个性化推荐成为了研究者们亟待解决的热点问题。【方法/过程】笔者利用本体构建技术构建微博信息微本体,提 出了一种基于微本体架构的微博信息内容推荐方法,使用SJ-Tree将微本体图匹配算法进行改良,完善主题微本体 和用户微博信息微本体的匹配,实现微博信息的推荐。【结果/结论】仿真实验结果证实了微本体图匹配算法可以提 高微博信息推荐的效率及精准度,为实现微博信息内容的定制化推荐打下了坚实的基础。 相似文献
16.
【目的/意义】医生同时兼具提供医疗服务的社会工作者和从事科学研究的科研工作者双重身份,因而需要从更全面、立体的角度组织管理和利用互联网中多源的医生数据用来构建医生画像,对于患者寻求医疗救助、提高健康服务质量具有重要作用。【方法/过程】在提出医生画像概念的基础上,以医院官网、百科类网站、文献数据库、在线健康社区等数据源为基础,提出基于特征分析和标签提取的医生画像构建模型,分别从医生的人口统计属性、简介特长、科研成果、科研合作、患者在线评价五个方面构建医生画像,最后在此基础上进行实证研究,以可视化的方式展示医生画像。【结果/结论】基于特征分析和标签提取的医生画像构建模型能够全面描述医生信息并将其以更加直观的形式展示出来,从而推动为患者提供个性化的健康服务和精准的医生推荐等研究的发展。 相似文献
17.
[目的/意义]构建多源数据融合获得细粒度的用户画像标签,加强和提升服务场景的用户画像识别与精准推荐,对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。[方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架,以用户价值模型RFM重构表征用户行为的RFCLS标签,采用LDA模型提取用户资源使用偏好的文本语义标签,继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后,选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。[结果/结论]实证研究表明,与单一的数值型或者文本型画像标签体系相比,多源数据融合的用户画像模型提升了用户画像识别和分类的精准度,有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。 相似文献
18.
【目的/意义】分析幼儿群体的阅读需求,构建用户画像模型,为出版商及图书馆针对低幼儿用户群体提供
优质的产品和精准的服务提供支持。【方法/过程】以淘宝网上购买儿童绘本用户的在线评论为基础,通过低幼儿信
息属性、儿童绘本信息属性和购买者（家长）评论信息属性构建用户画像概念模型,并使用Protégé与OWL建立本
体,在OntoGraf插件中实现可视化,分析低幼儿阅读群体用户画像并呈现特征。【结果/结论】依据儿童绘本的三种
类型构建低幼儿阅读群体画像。【创新/局限】本文根据代理用户购买儿童绘本的在线评论数据,挖掘了用户的潜在
需求。不足之处在于,对低幼儿用户而言,仅依靠家长所提供的信息挖掘阅读需求,可能存在不全面等问题。针对
特定研究,还需要结合实验等方法对研究主体进行更深入地研究,完善研究结论。 相似文献
19.
【目的/意义】研究基于企业画像的行业信息精准服务框架与功能体系,为行业信息服务创新研究与实践提
供参考。【方法/过程】在分析企业的行业信息需求及影响因素基础上,构建了面向行业信息精准服务的企业画像构
成要素体系,并进一步提出了基于企业画像的行业信息精准服务模型。【结果/结论】立足企业的信息需求及影响因
素,面向行业信息精准服务的企业画像应包含企业自身属性、竞合属性、客户属性3类16种要素。基于企业画像的
行业信息精准服务实现,首先需要开展行业信息资源和企业大数据采集,继而进行基于多源数据的企业画像和面
向精准服务的行业信息资源组织,最终通过画像精准分析企业需求,提供包括精准搜索、精准问答、精准推荐等在
内的多项精准服务功能。【创新/局限】创新性地引入用户画像对企业进行建模,从需求分析角度全面刻画企业特
征,构建行业信息服务模型,推进行业知识服务创新发展。 相似文献
20.
【目的/意义】通过社交媒体用户分享的图像、博文及用户标签进行数据挖掘,来判断和预测用户的真实兴
趣,从而更好地为用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的
基础上,通过使用机器学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于三类特征使用SVM训
练得到分类器进行用户兴趣类别预测,主要比较单模数据和多模数据的分类指标,探讨多模数据在有监督学习下
的发多分类问题。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户兴趣进行分类识
别,F值达到77%,比最好的单模数据提升10%。实验结论证实,多模（图像、博文和标签）数据与单模数据相比,提升
了分类效果,同时为多模数据应用研究提供了一定的理论和技术基础。 相似文献