共查询到20条相似文献，搜索用时 22 毫秒
1.
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
2.
3.
【目的】利用社交网络中用户的好友和历史行为,为用户推荐潜在的好友。【方法】通过共同好友比例和互动比例两个指标衡量社交网络图中好友关系亲密程度,综合社交兴趣度和兴趣相似度进行评分,选取分数最高的Top-k用户推荐给目标用户。【结果】实验结果表明,相比传统方法,本文方法在准确率和召回率上均有显著提升。【局限】互动行为中的非正常情况未识别和处理,可能影响推荐结果准确率。【结论】考虑互动比例等多因素的好友推荐方法较传统单一角度方法有更好的效果。 相似文献
4.
[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。 相似文献
5.
社交网站中潜在好友推荐模型研究 总被引：8，自引：0，他引：8
社交网站的快速发展深刻地影响了人们的信息共享与交流方式.作为开放的用户交互平台,社交网站的成功很大程度上取决于用户的交互程度和用户黏性.然而,随着社交网站用户规模的爆炸性增长,准确定位兴趣相近的潜在好友对普通用户来说变得越来越困难.本文研究基于用户交互网络的好友推荐方法,分别提出两阶段推荐模型和基于信任传播的推荐模型,通过向用户推荐其可能感兴趣的潜在好友,帮助用户扩大其朋友圈子,进而提高用户黏性.最后,通过对来自Yahoo! Answers和Metafilter两种不同社交网站的用户网络的实验分析,验证了文中推荐方法的有效性. 相似文献
6.
7.
通过对社交网络所产生的海量用户以及数据的挖掘与分析,判断用户不同的特征与喜好,从而为用户定制个性化知识服务,达到用户的需求,增强其对产品与服务的使用黏性,这不仅满足了企业的商业目的,同时也提高了用户的满意度。论文在深入了解我国社交网络的运营模式、分析社交网络中用户行为特征的前提下,提出从用户兴趣模型出发的个性化知识服务,并建立了基于个人兴趣和兴趣传播推荐的个性化知识服务模型。 相似文献
8.
在线社交网络成为人们网络生活的最主要平台,人们基于兴趣偏好等原因集聚形成各个网络社区,共同参与感兴趣话题的讨论,表达自己的观点和看法,寻找感兴趣的内容,因此识别在线社交网络中用户的兴趣偏好,具有重要意义.本文首先分析用户在社交网络中的行为,提出从用户发布信息、基于共同参与话题的社交关系中寻找相似兴趣最近邻,和再考虑用户在社交网络中影响力的相似兴趣最近邻,三种获取用户兴趣偏好的方法.最后利用百度贴吧数据集实验,比较三种方法的使用效果.实验表明考虑用户影响力的最近邻方法获取用户兴趣偏好的方法效果最好,而且这种方法不需要利用用户本身信息,仅仅只需要通过其最近邻用户就可以获得更加准确的用户兴趣偏好. 相似文献
9.
10.
一种基于用户标签网络的个性化推荐方法 总被引：1，自引：0，他引：1
基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高. 相似文献
11.
基于信任的电子商务推荐多样性研究 总被引：3，自引：0，他引：3
现有的推荐系统研究大都千方百计地关注于如何提高推荐算法的准确性,考虑到用户兴趣的覆盖范围,这样做的缺陷是只考虑了推荐列表中单个项目的准确度,而忽略了整个推荐列表多样性对用户满意度的影响.近几年的研究表明将信任机制融入到个性化推荐过程中对提高传统协同过滤技术的准确性和鲁棒性有积极的影响,本文提出了基于社会网络信任的推荐多样性算法,该算法通过选择主题多样性好的信任邻居来平衡推荐结果的准确性和多样性.一系列的实验结果表明,该算法能有效地提高推荐的多样性. 相似文献
12.
一种融合情境因素的社会化信息推荐新方法 总被引：1，自引：0，他引：1
[目的/意义] 针对目前融合情境因素的信息推荐方法大都存在推荐前的情境过滤(pre-filtering)和推荐后的情境过滤(post-filtering)所导致的价值信息流失问题,将情境因素融入到推荐过程中,实现基于用户-资源-情境的多维推荐。[方法/过程] 将情境因素融入推荐的过程中,动态挖掘在不同情境下用户兴趣的偏好,利用社会网络的相关指标赋予用户兴趣初始值,从空间距离的视角计算用户兴趣的权重,最后,借鉴内容过滤和协同推荐的思想实现用户的评分预测,进而按照用户的兴趣进行推荐。[结果/结论] 与以往二维推荐的实验比较表明,将情境因素融入到推荐过程中的方法在减少价值流失的基础上,能更为准确地揭示用户的兴趣,提高推荐质量,为存在社会关系的社会化媒体推荐服务提供借鉴。 相似文献
13.
[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
14.
基于用户群体影响的协同过滤推荐算法 总被引：4，自引：0，他引：4
协同过滤是推荐系统中广泛使用的推荐技术,对推荐结果可解释强.基于用户的协同过滤是一种重要的系统推荐方法,用户评分数据的极端稀疏性制约着系统的推荐质量.针对上述情况,提出一种基于用户群体影响的协同过滤推荐算法.首先,定义了用户群体的概念并根据群体影响提出两条相应准则;然后,计算用户相似性时,不仅考虑了用户个体之间的相似性,而且考虑了用户所处群体之间的相似性.该算法不仅可以更加精确地刻画用户之间相似度,而且一定程度上增强了推荐系统的稳定性.实验结果表明,该算法能有效地提高系统的推荐质量,而且满足所提出的两条准则. 相似文献
15.
拟合用户兴趣演变特性的协作过滤推荐算法 总被引：2，自引：0，他引：2
个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度. 相似文献
16.
[目的/意义]科研社交网络与大众社交网络一样存在信息过载问题,利用推荐系统向科研人员推送个性化信息是解决该问题的重要手段。通过与国外主流科研社交网络相比较,找出我国科研社交网络的推荐系统存在的问题,进而寻求解决之道。[方法/过程]从推荐项目、推荐策略、冷启动方案、用户偏好学习4个方面,对科研之友、学者网、ResearchGate、Academia这4个科研社交网络的推荐系统进行对比。[结果/结论]我国科研社交网络的推荐系统在上述4个方面都与国外同行存在明显的差距,存在推荐项目较少、推荐策略单一、冷启动效果差、用户偏好学习能力弱等问题。针对这些问题,提出改进建议。 相似文献
17.
语义层次上的用户建模研究对提高用户需求偏好描述准确度和提升推荐服务质量具有重要意义.本文从基于语义层次树的用户建模机理分析入手,将领域本体引入资源描述和用户建模中,通过资源主题特征提取和语义表达、用户需求偏好程度计算,进行基于语义向量空间模型的用户需求偏好建模和表示,最终得到用户的需求偏好模型.实验结果显示,本文所提方法可行且有效,能够提高用户兴趣偏好描述的准确度和提升推荐服务的质量. 相似文献
18.
19.
科技文献跨语言推荐模型研究 总被引：1，自引：0，他引：1
信息超载和语言障碍影响我国科研人员对外文科技文献的有效获取,如何提高获取效率成为亟待解决的问题。个性化推荐能很好地处理信息超载现象,但当前国内外相关研究都基于单一语种进行,多语种环境下的推荐研究非常缺乏。本文提出网络环境和海量数据背景下的科技文献跨语言推荐模型,并论证用户兴趣特征抽取、语言转换和混合推荐等步骤。利用Web日志挖掘技术,分析基于多种信息行为的整合分析方法抽取用户兴趣特征,以分类表作为参考体系建立用户兴趣表示模型,在用户—特征词转化为用户—类目矩阵的基础上开展推荐研究。 相似文献
20.
互联网用户可以在计算机前轻轻点击鼠标来完成相对于现实生活中复杂的互动交友活动,个性化好友推荐系统通过基于内容推荐、协同过滤推荐、聚类推荐三种策略来帮助用户建立网状复杂的人际关系,最终提高用户对于本类社交网站的忠诚度。本文将通过详细分析新浪微博、腾讯QQ和人人网三大社交网站来具体分析个性化好友推荐系统的优缺点。 相似文献