共查询到18条相似文献，搜索用时 212 毫秒
1.
以博客、即时通讯、社会网络、社群共享、社会化标注等为代表的Web 2.0应用技术,使用户、信息、资源构成关系紧密的web网络。目前将本体应用到社会化标签用户动态兴趣的研究资料极为稀少,尚无法满足平台对用户兴趣精准把控的需求。本研究从此角度出发,探讨兴趣模型的构建方法。在《中国分类主题词表》和《中国图书馆分类法》对词语的约束规则和关系定义的基础上,构建豆瓣读书用户的兴趣标签本体;并根据再现率、覆盖度、热度率指标对标签的兴趣强度、稳定性进行预测实验,确定兴趣的表示形式,以此构建初始兴趣模型,并提出相应的兴趣节点更新流程。本研究提出的基于本体的用户兴趣模型及更新流程在用户兴趣表示的深度及广度上有了一定程度的提升,在标签资源推荐、检索等实践应用上其适用性更强。 相似文献
2.
社会化标签系统中基于密度聚类的Web 用户兴趣建模方法 总被引：1，自引：0，他引：1
Web用户兴趣模型在个性化信息服务中有着非常重要的作用。本文利用社会化标签的独特优势,针对传统社会化标签聚类方法的局限性,提出了一种基于密度聚类的Web用户兴趣建模方法。首先建立基于社会化标签的向量空间模型,并将社会化标签表示为Web资源及其权重的形式,以此为基础利用DBSCAN算法对其进行聚类,进而依据所有Web用户的标注行为以每个聚类为中介计算特定Web用户对Web资源的兴趣度来构建Web用户兴趣模型。实验结果表明了该方法的优越性。 相似文献
3.
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
4.
5.
6.
Zhang Fuguo 《情报学报》2012,31(9)
数据稀疏性多年来一直是困扰传统推荐系统性能表现的一个大问题,社会化标签为推荐系统获得用户的偏好信息提供了一个新的数据来源,同时也对传统的基于二维数据的推荐技术提出了新的挑战.不同于以往更多的以推荐标签为研究目标的是,本文以推荐项目(产品)为研究目的,在分析、评述社会化标签系统的概念模型以及用户兴趣模型表示方法基础之上,重点对基于标签的四种项目推荐方法进行了前沿概括、比较和分析;接着介绍了典型社会化标签系统实例及其数据集的取得方式;最后,对基于标签的个性化项目推荐系统有待深入的研究难点和发展趋势进行了展望. 相似文献
7.
目前,社会化标注已经成为个性化信息推荐领域中的研究热点之一,标签质量对于推荐效果的影响也受到了广泛关注.本文针对标签的质量问题,指出用户标注偏差普遍存在于标注系统中,尤其是形式偏差,给用户兴趣模型的合理提取形成了阻碍.基于此,我们提出了主流标签的概念,以其体现的大众智慧来克服标注偏差所带来的影响,通过分析资源中标签的平均标注率进行主流标签数量的确定,实现资源模型和用户协同模型的构建,并进一步结合兴趣度对用户协同模型加以了改进.最后,基于Delicious的数据和用户参与评分法,文章运用余弦相似性对模型推荐效果进行了验证. 相似文献
8.
9.
社会化标注系统允许用户对网络信息资源自由地进行标签标注,从而实现用户对网络信息资源的分类、检索和共享。由于标注的随意性、没有经过受控词表的控制,使得标注系统具有一定的模糊性,导致标签的不准确和歧义。针对这些问题,本文探索标签与主题图结合的可行性,在分析标签与主题图结合的可行性基础上,提出两者的构建模型,进而将主题图技术应用于企业知识标签体系中。 相似文献
10.
[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
11.
[目的/意义]探索热点事件评论网络中话题社群及网民的情感波动,掌握舆情事件发展过程,对于整体把握热点事件的发展方向,做好新时期网络舆论的引导工作具有重大意义。[方法/过程]以复杂网络理论为基础,基于评论词语间的共现关系构建基于事件发展的子事件网络,通过社群发现算法来识别子事件评论网络中的话题社群,将情感词依据情感词典赋予情感分类属性,基于事件的演化过程动态地跟踪网民意见以及情感波动。[结果/结论]研究结果表明,评论网络群落发现以及变异系数方法可以有效地衡量网民话题讨论的规模与集中程度;评论网络中赋予情感词节点情感分类属性方法可以体现事件演化过程中网民的情感变化;舆论衍生话题对事件的舆情发展有持续性影响;网民话题讨论内容对于事件演化具有一定程度上的前瞻性。 相似文献
12.
[目的/意义]基于内容的过滤推荐中,针对向量空间模型表示文本时容易造成维度灾难的问题,提出利用余弦值r与匹配度值Sim相结合的方法对原有模型进行改进。[方法/过程]由文献资源和用户兴趣分别筛选出权重较大特征词的词向量,进而由公式计算余弦值r,结合对应的特征词权重进一步计算出匹配度值Sim,将其作为向目标用户推荐文献的依据,并利用河北工业大学图书馆的相关数据对改进模型、向量空间模型及LDA主题模型进行实验,最后利用查准率、召回率、F1值及运行时间等评价指标对3种模型的实验结果进行分析。[结果/结论]实验结果表明所提出的改进模型相比较于实验中的向量空间模型与LDA主题模型具有更高的应用价值与运行效率。 相似文献
13.
随着Web2．0技术的发展,社会标注作为网络资源组织的重要方式,已经广泛应用于各种类型的网站。通过深入研究社会标注在卫生社交网络中的应用和存在的不足,提出了建立社会化登陆模式、构建标签库、建立标签自动分类系统、实现个性化推荐机制、进行标签语义分析、设置用户权限等促进卫生社交网络朝着更好方向发展的建议。 相似文献
14.
《Journal of Informetrics》2022,16(2):101265
Linked topics in science and technology (LTSTs) can provide new avenues for technological innovation and are a key step in the transition from basic to applied research. This paper proposes a science and technology semantic linkage integration model for discovering LTSTs. Particularly, the integrative model fuses the term co-occurrence networks of basic and applied research, which expands the completeness of topic networks by enhancing the semantic characteristics of these networks. It is found that link prediction can further reinforce the semantic association of topic terms in networks between basic and applied topics. Simple fusion explicitly linked the topic terms, which can be used as automatic seed marking for subsequent link prediction to identify implicit linking of topic terms. Furthermore, an application to the gene-engineered vaccines field depicted that newly predicted implicit relations can effectively identify LTSTs. The results also show that implicit semantic recognition of LTSTs can be enhanced through simple fusion, while the recognition of LTST can be improved through link prediction. Therefore, the proposed model can assist experts to identify LTSTs that cannot be recognized through simple fusion. 相似文献
15.
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
16.
为了弥补目前微博平台主题挖掘方法的不足,兼顾到微博信息的稀疏性、多维性、海量性等特点,提出根据微博信息特点进行有针对性的预处理后,使用基于先验概率的潜在语义分析模型LDA(Latent Dirichlet Allocation)进行微博主题挖掘,并在LDA建模的基础上,设计文本增量聚类算法,进一步实现主题结构的识别,从而使用户更好地理解主题及其结构。通过在真实微博数据集上的实验,证明该模型能有效进行主题挖掘和主题结构的识别。 相似文献
17.
数字图书馆的用户服务模式研究 总被引：27，自引：1，他引：27
在分析传统图书馆的单一线性用户服务模式的基础上,探讨了数字图书馆给图书馆自身和用户群体带来的巨大变革,并针对数字图书馆用户的特点,构建了几种新型用户服务模式:基于资源整合的信息集成服务、体现专业特色的学科对口服务、创造知识内容的信息增值服务、基于用户交互的双向循环服务、延长服务线程的渗透延伸服务以及灵活组合的全面综合服务。 相似文献
18.
[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