共查询到18条相似文献，搜索用时 250 毫秒
1.
个性化网络学习是现代信息检索技术的新形式.快速高效地获得所需要的信息是每个用户的迫切要求,个性化信息检索技术则是实现高质量信息服务的前提.本文提出了一种网络学习环境下的个性化检索方法,该方法采用Web语义表示学习内容,将用户偏好看作本体,在将包含关键词映射到本体的基础上,进行搜索结果的重排.本方法有一重要特点,就是文档的合并分类实现了文档自身的提取和数据驱动,使用户更容易适应不同的学习平台,更容易演变文档集.实验结果表明,由于网络学习内容检索的准确率和召回率的提高,特别在用户过去活动的基础上进行搜索结果的重排,用户内容可有效地被使用. 相似文献
2.
基于序列模式的个性化Web页面推荐模型* 总被引：1，自引：1，他引：0
易明 《现代图书情报技术》2008,24(8):42-47
基于数据挖掘中的序列模式方法,提出一种个性化Web页面推荐模型。该模型首先利用Web使用数据预处理提取Web交易事务集,然后应用序列模式算法挖掘频繁（连续）序列,最后通过构建频繁（连续）序列树生成用户偏好视图以生成个性化Web页面推荐集。 相似文献
3.
基于社会化标签系统的个性化信息推荐探讨 总被引：4，自引：0，他引：4
4.
刘剑涛 《现代图书情报技术》2012,(2):18-22
针对传统协同过滤算法依赖单一用户需求形态影响推荐效果的问题,提出一种基于用户多态聚类的数字图书馆个性化推荐方法。该方法以改进的海明距离计算候选邻居集,结合多态相似度进行二次聚类,预测用户的多态需求度并形成推荐。实验表明,使用多态聚类产生的推荐精确度上优于单一聚类产生的推荐。 相似文献
5.
6.
7.
目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量. 相似文献
8.
CtoC电子商务站点中的Web个性化推荐技术 总被引：2，自引：1，他引：1
分析CtoC电子商务平台中的用户行为特征,提出在此类站点中实施Web个性化推荐技术的基本原则和特点,并指出该种技术的三个明显特点。最后,结合Web个性化推荐技术的三种主要流程,对CtoC电子商务平台实施Web个性化推荐技术的方法作详细说明。 相似文献
9.
数字技术和用户需求驱动下,个性化、精准化、高效化服务成为STM出版发展的必然趋势。通过大数据挖掘和推荐模型构建,出版商可在信息超载的环境下为用户提供高效、精准、个性化的内容推荐,降低信息搜寻成本、提升用户体验。本文提出了一种基于用户属性信息、用户行为偏好及场景关联度的混合推荐方式,并对基于用户层级的出版推荐应用进行了论述,为STM出版个性化服务发展提供了可借鉴思路。 相似文献
10.
11.
[目的/意义]对高校移动图书馆内容个性化的结构维度进行研究,为我国高校移动读书馆内容建设提供借鉴。[方法/过程]在文献阅读和深度访谈的基础上,提炼出30个移动图书馆内容个性化测量题项,然后通过问卷调查收集数据,采用因子分析和回归分析方法对移动图书馆内容个性化构成维度以及各维度对用户满意度的影响进行实证研究。[结果/结论]研究结果表明：移动图书馆内容个性化构成维度由内容推荐、内容检索、内容优化、内容扩展和内容安全5个维度构成;内容推荐是最重要的维度,其后依次是内容优化、内容扩展、内容检索和内容安全。 相似文献
12.
13.
14.
通过网络调研Web 2.0在美国顶级大学图书馆网站的使用情况。结果显示：最受欢迎的Web 2.0技术是SNS,使用率达到100%;其次为Blog,RSS和IM,分别占90%以上;Vodcasts（占47%）,Podcasts（占46%）和Social bookmarking（占39%）也较受欢迎;Wiki的使用率较低,仅占1/3。认为Web 2.0在这些图书馆的使用情况和技术结构模式在一定程度上反映美国大学图书馆服务数字化、互动化、个性化的发展趋势,同时也映射出世界图书馆服务人性化、互动化的变化。研究结果可为专业图书馆信息研究管理者、Web 2.0部署人员以及图书馆用户等相关人士提供参考意见和建议。 相似文献
15.
国外群推荐聚集策略研究综述 总被引：2，自引：0，他引：2
认为群推荐是对群体用户进行个性化推荐的技术,群推荐的一个重要步骤就是聚集,即将针对个体的推荐项目聚集成对群体的推荐,或者将个体的偏好聚集成群体的模型,聚集策略就是在聚集时所采取的方式。通过文献的梳理,介绍群推荐的群体形成和生成推荐过程,比较聚集策略的类型和应用,对聚集中存在的尴尬和隐私问题、群成员间交互问题、成员间差异性问题和基于群成员社交影响力的策略进行详细阐述,并展望聚集策略尚需进一步研究的方面。 相似文献
16.
[目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题，提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型，并通过对用户行为的度量，计算用户对其浏览学术资源的兴趣度，结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配，计算其相似度，得到用户对每条学术资源的兴趣值，最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率，结果显示，本文从实时动态度量兴趣的角度，提出的推荐算法能较好地预测用户兴趣，推荐效果显著，为实现发现服务精准推荐提供思路。 相似文献
17.
基于混合算法的电子商务推荐系统设计研究 总被引：1，自引：0，他引：1
针对目前电子商务推荐系统不能很好地为未注册用户服务的问题,根据未注册用户和注册用户各自特点采用两套不同的数据收集方案,以提高网站的友好性与数据的准确性。在推荐算法方面,由于决策树归纳算法与贝叶斯网络算法各有优劣,故将两种算法结合使用,并引入基于内容的算法思想对商品的各属性进行研究,以提高推荐的准确性。实验证明：上述方法能够很好地为未注册用户服务且基于混合算法的推荐优于基于单种算法的推荐。 相似文献
18.
刘松 《现代图书情报技术》2007,2(4):35-38
提出一个结合本体论及通用个人资料的个性化推荐模式。首先以网络分类服务作为本体论来解释用户的网络浏览行为，以此挖掘用户的偏好；其次，利用Web使用挖掘技术过滤多余的浏览记录，增强个性化的准确度；最后，利用本体论的层次结构特点，从用户偏好类别中挖掘其潜在偏好，产生符合用户特征的通用个人资料。 相似文献