共查询到20条相似文献，搜索用时 664 毫秒
1.
可变多阶Markov链模型及在WWW个性化推荐中的应用 总被引：2，自引：1，他引：1
WWW个性化推荐问题是WEB挖掘的一个重要研究方向.针对传统的固定阶数的Markov链模型用于WWW个性化推荐问题的不足,提出可变多阶Markov链模型(Variable Multiple Order Markov Chain-VMOMC).VMOMC将用推荐目标网页概率值度量的可变多阶Markov链并行组合,组合模型中采用遗传算法确定各单阶Markov链模型的最优权重,在真实WWW站点访问日志数据上的实验结果表明:VMOMC与传统的定阶Markov链浏览推荐模型相比,具有较理想的推荐性能. 相似文献
2.
3.
用户兴趣变化感知的重启动随机游走推荐算法研究 总被引：1，自引：0，他引：1
针对目前重启动随机游走推荐算法忽略用户兴趣变化的问题,提出一种基于用户兴趣变化的重启动随机游走推荐算法。通过聚类识别用户的兴趣,建立用户兴趣模型,在此基础上,考虑兴趣的时间衰减,计算用户当前兴趣度。最后,根据用户当前兴趣度,形成用户转移概率矩阵,并做出推荐。实验表明提出的算法较传统的重启动随机游走推荐算法可以有效地提高推荐精度。 相似文献
4.
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
5.
基于用户访问网页的不同序列反映了用户特定的兴趣,提出了Web日志中用户存取模式的聚类算法。利用传统的Leader算法只扫描数据集一遍的优点,以及粗糙理论在处理含有不确定信息问题上的优势,给出了结合粗糙理论的改进Leader算法对用户存取模式进行聚类方法,使得同一类中的用户存取模式尽可能的相近或相似,不同类中的模式尽可能的相异。实验结果表明,该算法在可承受的计算时间内可对Web日志中的用户存取模式进行有效聚类。 相似文献
6.
在描述移动电子商务推荐系统的基本特征基础上,分析了显式评分输入和隐式浏览输入的差异,
认为移动互联网环境下隐式浏览输入是推荐输入的主流。进而通过用户兴趣提取、用户兴趣计算以及浏
览时间确定等环节,得到移动环境下用户对产品的兴趣度。该方法的提出一方面充实了移动推荐系统的
理论研究成果,另一方面也对推荐系统中隐式浏览输入的研究有一定的推动作用。 相似文献
7.
8.
基于粗糙用户聚类的协同过滤推荐模型 总被引：1，自引：0，他引：1
【目的】将粗糙集引入到基于用户聚类的协同过滤中,提高推荐质量。【方法】提出一种基于粗糙用户聚类的协同过滤推荐模型:离线时采用粗糙K-means用户聚类算法,根据用户与聚类中心的相似度将其分配到K个类的上、下近似中,形成用户的初始近邻集;在线时从目标用户的初始近邻集中搜索其最近邻,预测项目评分并向其产生推荐。【结果】通过实验对比发现,该模型比传统的和基于项目的协同过滤推荐算法降低约14%的平均绝对误差,比基于用户聚类的协同过滤推荐算法降低约10%的平均误差。【局限】在考虑上、下近似对聚类中心调整的重要程度时,忽略了用户聚类数目和最近邻集用户数阈值的变化所产生的影响。【结论】该模型能有效提高推荐精度,具有较强的可行性和现实意义。 相似文献
9.
[目的/意义] 鉴于已有基于点击流的用户模型大多简单地采用页面类型序列代替行为序列,提出一种根据点击流访问页面序列到用户行为的映射方案,解决用户行为建模的问题。[方法/过程] 本文在分析网页URL参数、页面内容等特征的基础上,以81 759个电商用户会话为测试样本,提出并实现从页面到用户行为的映射方法,给出一种依据原始日志建立用户行为序列来描述会话的方案。[结果/结论] 分析反映出在会话层面上已有研究不易得到的行为特征,得到6类具备不同行为模式的会话:功能探索会话、卖家管理会话、营销推动会话、资料管理会话、商品浏览会话、检索依赖会话。基于点击流对用户会话建模,可以得出用户会话中行为序列特征,对实现准确营销与推荐具有重要价值。 相似文献
10.
电子商务隐式浏览输入中的用户聚类分析 总被引：2，自引：0，他引：2
11.
基于Agent的个性化主动信息服务研究综述 总被引：17，自引：1，他引：16
随着Internet的迅速发展和普及,搜索引擎已不能满足人们准确、快速查找网上信息的要求,"认知过载"和"迷航"是两个主要的问题.基于Agent的个性化主动信息服务可以智能化地理解用户的兴趣和信息需求,主动搜集网上信息,提供个性化的信息服务.综述学术界对Agent技术的不同理解和界定、特点、与搜索引擎的性能比较,列举7个实现模型,提出未来的研究方向. 相似文献
12.
个性化服务中基于支持向量机的用户兴趣挖掘分析 总被引：2，自引：1，他引：1
用户兴趣的准确获取是保证个性化服务质量的关键;分析用户所浏览的网页集,捕获用户兴趣、建立用户兴趣挖掘模型是目前个性化服务研究的一个重要方向.本文首先比较支持向量机与其他分类算法的性能,分析了基于支持向量机进行用户兴趣挖掘的可行性;然后在介绍支持向量机分类原理和分析分类预测理论模型的基础上构建了用户兴趣挖掘模型;最后选取中文网页分类训练集和特定用户的网页浏览记录,主要从支持向量机分类器的构造和用户兴趣预测两个方面进行了模型的实现研究. 相似文献
13.
14.
数字参考咨询个性化服务中用户隐私权保护机制的构建 总被引：2，自引：0，他引：2
建立健全数字参考咨询(DRS)个性化服务用户隐私权保护机制,保护用户合法权益,是当代中国图书馆法制健全的必然选择。DRS个性化服务中用户信息的获取主要有显式和隐式两种方法。针对DRS个性化服务实现过程中涉及的用户隐私问题,从行业自律、政策标准、法律法规、用户自身隐私保护、网络安全环境、隐私权保护的限制6个方面构建数字参考咨询个性化服务中的隐私权保护机制,以维护用户权益。 相似文献
15.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献
16.
公共信息资源是一个国家获得新的竞争优势的关键因素，它能够给社会带来直接或间接的利益需要，用户对公共信息资源的有效利用程度与其自身信息素质密切相关。文章从公共信息资源用户信息素质现存问题入手，分析对公共信息用户信息素质培养的战略意义，尝试性地提出培养的实施策略。 相似文献
17.
[目的/意义]基于在线知识问答社区平台,通过眼动实验阐明用户注意与用户信任的关系,有助于用户获得高质量的信息,维持知识问答社区平台的公信力与可持续运营。[方法/过程]从视知觉的角度出发,利用眼动追踪技术量化在线知识问答社区用户的信息浏览行为,明晰用户对各信息要素的注意力分配特征,并结合自我报告式量表探究用户注意力是否反映其对信息的信任判断;同时基于ELM模型探讨信源个人成就、信息内容和系统累计线索值与用户信任判断之间的关系。[结果/结论]对不同卷入度的信息,用户对各信息要素的关注情况存在差异,且各信息要素对用户信任判断的影响不同,用户对信息的认知加工也存在路径差异;用户注意力指标（注视时长、注视次数）与信任判断之间关系甚微,注视未必代表相信。 相似文献
18.
Modeling users in information filtering systems is a difficult challenge due to dimensions such as nature, scope, and variability of interests. Numerous machine-learning approaches have been proposed for user modeling in filtering systems. The focus has been primarily on techniques for user model capture and representation, with relatively simple assumptions made about the type of users' interests. Although many studies claim to deal with adaptive techniques and thus they pay heed to the fact that different types of interests must be modeled or even changes in interests have to be captured, few studies have actually focused on the dynamic nature and the variability of user-interests and their impact on the modeling process. A simulation based information filtering environment called SIMSFITER was developed to overcome some of the barriers associated with conducting studies on user-oriented factors that can impact interests. SIMSIFTER implemented a user modeling approach known as reinforcement learning that has proven to be effective in previous filtering studies involving humans. This paper reports on several studies conducted using SIMSIFTER that examined the impact of key dimensions such as type of interests, rate of change of interests and level of user-involvement on modeling accuracy and ultimately on filtering effectiveness. 相似文献
19.
20.
Connotea中Social Tagging机制研究 总被引：6，自引：0，他引：6
选取Connotea为研究对象，统计分析标签、被标引资源、标引者两两关联关系，发现标签覆盖资源范围较广，标签共现现象突出，部分用户标引活跃，资源平均标签数较低，用户对内容关注度规律性转移，科研领域的用户比较多地使用规范词。提出增加标引词结构关联和细粒内容定位标引。 相似文献