共查询到20条相似文献,搜索用时 671 毫秒
1.
【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
2.
【 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
3.
【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对
象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航
空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的
流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的
差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚
类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。 相似文献
4.
【目的/意义】当前全球信息化时代下信息过载问题日趋严峻,在深度挖掘信息的基础上,结合用户行为特
征进行智能匹配显得尤为重要。【方法/过程】本文在基于潜在因子模型的个性化推荐算法的基础上,构建了结合时
间序列的语义信息挖掘及匹配模型。通过引入用户历史行为的时间序列语义信息,提高已有模型预测用户偏好的
准确性,结合因子分解机的思想实现对扩展模型的构建,并通过 movielens数据集对该方法的有效性进行验证。【结
果/结论】实验结果表明,新模型能够有效提高已有推荐模型预测用户偏好的准确性,从而实现了良好的数据挖掘
及匹配效果。 相似文献
5.
【目的/意义】为了协助商家和平台获取移动商务在线评论中的用户需求,解决在线评论过载导致用户需求
提取困难等问题。【方法/过程】本文首先获取原始在线评论数据集进行文本预处理和清洗;然后,深入语义层面基
于改进后的 Canopy-Kmeans算法实现用户需求聚合;最后,以聚合结果为层级指标设计 Kano问卷,用重要性判别
方法和用户满意度指数优化用户需求分类标准,实现用户需求的高效聚合和精准挖掘。【结果/结论】通过实验结果
对比分析发现与基于语义的传统聚类方法相比,本文设计的移动商务用户需求聚合与挖掘方法的聚类结果更清晰
合理,能够获取更精准和细化的用户需求。【创新/局限】借助Word2vec模型从语义的视角分析用户需求,提出基于
Canopy-Kmeans算法的用户需求聚合挖掘模型,但选取的研究对象和数据规模较为有限,下一步将扩大在线商品
评论的研究范围及实验数据规模。 相似文献
6.
7.
【目的/意义】图书借阅数据的预测对于图书馆的资源建设和精准服务具有重要的指导意义。本文收集了
中国东北地区某双一流高校图书馆管理系统十年的借阅数据,并分别按图书类别、借阅者所属学院分类,对未来的
借阅趋势进行了预测。【方法/过程】本文使用一种基于时间序列的混合预测模型进行图书借阅数量的预测,其中混
合预测是一元时间序列预测与多元时间序列预测的结合。【结果/结论】实验结果表明,时间序列算法用于高校图书
馆借阅数据预测,2008 年到 2017 年借书数量由 300 左右增加到近 4000,2018 年到 2021 年 C、D、G、J、S、U、I类图书
中,D类、S类图书的借阅数量下降幅度最大,U类图书借阅数量下降幅度最小,T类、E类借阅量的上升幅度最大,Q
类、X类的误差率较大,研究结论供高校图书馆管理工作参考。【创新/局限】学界上针对图书馆馆藏资源建设和服务
创新研究较多,但以一元时间序列与多元时间序列预测角度进行研究的相对较少,本文弥补了此方面的不足。 相似文献
8.
【目的/意义】用户在进行文档内信息搜寻时,根据自身需求和阅读深入程度的不同,呈现出两种不同的阅 读行为——深阅读与浅阅读。自动识别用户的深浅阅读有利于改善当前对深、浅阅读区分存在主观性强、耗时耗 力的问题,对于研究文档内信息搜寻用户的个性化认知机制,优化用户信息搜寻体验也提供了很好的帮助。【方法/ 过程】本文根据前人对深、浅阅读的研究,利用K-means聚类算法构建文档内信息搜寻用户深、浅阅读行为的自动 识别模型,并用实验验证模型分类的准确度。【结果/结论】实验结果显示,深、浅阅读在注视点持续时长、眼跳距离、 眼跳方向和相邻注视点中心纵坐标距离这四个特征上有很大的差异,同时经过专家验证,K-means聚类模型识别 深、浅阅读总准确率片段数为84.95%,片段时长为94.32%,达到了自动、准确识别文档内信息搜寻用户的深、浅阅读 行为的效果。 关键词:深阅读; 相似文献
9.
【目的/意义】随着旅游网站的增加,游客的网络评论日益增多。针对传统方法在旅游短文本评论主题分类
时出现特征维度过高和数据稀疏等问题,本文提出一种基于卷积神经网络和 SOM的旅游评论主题发现方法。【方
法/过程】首先采用词向量来进行文本表示,降低了特征维度过高问题;其次,通过卷积神经网络对评论文本提取高
阶的抽象特征;最后在通过 SOM 模型基于提取到的抽象特征对主题进行聚类。【结果/结论】实验结果表明,
CNN-SOM算法较传统文本聚类算法在准确率、召回率和 F值上都有显著提高,能够更好的进行旅游评论的主题
发现。 相似文献
10.
【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依
据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知
识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览
历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同
过滤聚类,并实施推荐。【结果/结论】利用用户历史学习记录进行向量表示,充分考虑知识点学习次序,提出了一种
在线学习推荐新方法的尝试,实验结果表明该推荐方法是有效的。 相似文献
11.
【目的/意义】在研究情景化偏好基础上,分析移动图书馆用户行为感知机理,并提出个性化服务机制建议,
为移动图书馆的发展提供帮助。【方法/过程】从用户体验角度出发,利用移动图书馆用户行为分解理论描述用户行
为意图受态度、主观规范以及行为控制三者影响,提出基于收集有用的上下文信息的移动图书馆用户行为感知模
型的网络体系结构,基于此构建模型。【结果/结论】得到移动图书馆用户行为感知模型,将用户行为感知过程分为
四层:数据层、处理层、生成层和输出层,各层之间分工合作掌握用户行为动态达到判断用户行为的目的。 相似文献
12.
【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
13.
【目的/意义】旨在将社会化问答社区中碎片化的答案关联起来,并为用户提供不同主题的高质量答案和更
好的知识服务。【方法/过程】首先,本研究利用Doc2vec算法计算答案之间的语义相似度,并构建答案语义网络。其
次,利用Louvain算法对答案语义网络进行社区划分,并用TextRank算法抽取各个主题下文档的关键词,使用词云
对每个主题进行可视化展示。最后,利用PageRank算法对聚类后的答案语义网络进行排序,从而实现答案文档的
主题聚合和排序。【结果/结论】本研究使用“知乎”上的问答数据进行了实证研究。结果表明,所提出的答案聚合和
排序方法不仅能够向用户直观地展示答案之间的关联强度和各个主题答案的主要内容,还能够为用户提供分主题
的答案排序结果,自动为用户筛选高质量的答案。【创新/局限】创新性地提出了答案语义网络,并基于答案语义网
络,提出了一种集聚合、主题可视化和排序于一体的答案知识组织方法。 相似文献
14.
【目的/意义】解决自动问答系统构建过程中数据集构建成本高的问题,以及自动问答过程中仅考虑问题或
答案本身相关性的局限。【方法/过程】提出了一种融合标注问答库和社区问答数据的数据集构建方法,构建问题关
键词-问题-答案-答案簇多层异构网络模型,并给出了基于该模型的自动问答算法。获取图书馆语料进行处理作
为实验数据,将BERT-Cos、AINN、BiMPM模型作为对比对象进行了实验与分析。【结果/结论】通过实验得到了各
模型在图书馆自动问答任务上的效果,本文所提模型在各评价指标上均优于其他模型,模型准确率达87.85%。【创
新/局限】本文提出的多数据源融合数据集构建方法和自动问答模型在问答任务中相对于已有方法具有更好的表
现,同时根据模型效果分析给出用户提问词长建议。 相似文献
15.
【目的/意义】探析影响高校移动图书馆用户使用行为的因素以及影响机理,对高校图书馆改进与优化移动 图书馆,提升图书馆移动服务水平具有重要的意义。【方法/过程】首先以高校研究生为调查对象,基于TTF构建高 校移动图书馆用户使用行为影响因素模型,设计问卷并面向高校研究生获取样本数据,利用最小偏二乘法进行结 构方程模型分析;之后,选取尖点剧变模型对高校移动图书馆用户使用行为影响因素模型的影响机理进行动态分 析。【结果/结论】结果发现,任务—技术匹配和绩效期望正向显著影响高校移动图书馆用户使用行为,用户使用行 为会随着任务—技术匹配和绩效期望的变化发生剧变。 相似文献
16.
【目的/意义】网络用户在线评论是用户对某产品或服务机构体验感知的反馈,对网络用户在线评论的文
本挖掘是情报分析的重要内容。【方法/过程】为了更有效从海量网络用户在线评论文本中挖掘用户感兴趣的信息,
本研究爬取TripAdvisor网站四大城市的酒店用户在线评论,基于主题图谱理论和文本聚类算法构建网络用户在线
评论的聚类模型,通过图谱可视化揭示不同地区酒店用户观点差异,并分析不同图谱的社会网络特征。【结果/结
论】研究发现酒店用户最关注的是服务,其次是酒店的环境和位置。本研究能够快速挖掘酒店用户关注内容,对帮
助酒店管理者了解用户住宿需求并以此提高用户满意度具有重要价值。【创新/局限】本文结合主题图谱和文本挖
掘技术构建酒店用户在线评论主题图谱,在大数据文本主题聚类上显示出优越性。但本文仅分析TripAdvisor网站
四个城市中部分酒店的用户在线评论,数据面覆盖不够广泛。 相似文献
17.
【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
18.
【 目的/意义】研究从用户群体的角度出发,依据用户特征对社区用户进行群体划分,以了解不同用户群体的
主题差异,从而更加全面清晰的了解社区主题,更好的为社区用户推荐资源。【方法/过程】研究利用社会网络分析
和Topsis算法对用户群体进行划分,再利用LDA模型分别对不同用户进行主题挖掘,最后采用谱聚类实现主题优
化。【结果/结论】科学网情报学社区的核心用户与一般用户群体主题有相同的部分,也存在差异,核心用户群体的
主题专指性较强,一般用户群体的主题较为广泛。基于虚拟学术社区用户群体主题挖掘模型,可以更加全面展示
社区用户关注的主题,更好地为社区用户推荐资源。【创新/局限】研究从用户群体的视角出发,提出了虚拟学术社
区用户群体主题挖掘模型,更好的为社区用户推荐资源,但本研究在数据量、主题模型以及社会网络分析指标的选
取等方面还需要拓展与延伸。 相似文献
19.
【目的/意义】在调查研究高校图书馆微信公众服务平台服务现状,了解图书馆微信用户行为特点的前提 下,以用户信息行为为着力点进行微信公众平台建设研究。【方法/过程】从信息需求、信息查寻行为、信息选择行 为、信息利用行为、信息交互行为等5个维度分析微信用户信息行为。【结果/结论】提出图书馆微信服务改进策略和 构建基于用户信息行为的高校图书馆微信公众平台。 相似文献
20.
【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