共查询到20条相似文献，搜索用时 113 毫秒
1.
基于浏览行为和浏览内容的用户兴趣建模 总被引：4，自引：0，他引：4
面对因特网的海量信息，为了更好地实现基于用户兴趣的个性化信息服务，提出一种隐式地获取用户兴趣模型和更新用户兴趣模型的方法。这种方法不需要用户显式地提供兴趣信息，只需要用户浏览页面时的动作和浏览的内容来获取有用的信息，随后利用这些信息建立和更新用户兴趣模型。该模型能较好地描述用户的兴趣类型及兴趣度，提高个性化信息服务的效率。 相似文献
2.
提出一种基于概念格发现数字图书馆用户浏览行为相关性的信息推送方法。以形式概念分析理论为基础、数据挖掘技术为手段将研究方向相似的用户自动聚类,以用户为对象、用户浏览兴趣为属性构造某一学科下的用户用法概念格,挖掘出用户群中知识点间的关联规则,并根据知识间的相关性为用户推送信息,解决以往推送方法中用户需求获取方式单一以及推送信息与用户信息需求的时效性统一程度低等问题。 相似文献
3.
个性化知识服务中基于Ontology的用户兴趣挖掘研究 总被引：2，自引：1，他引：1
个性化知识服务是知识经济时代信息服务发展的必然趋势,是满足信息用户多样化、专门化知识需求的高层次服务模式.用户兴趣知识的挖掘和用户兴趣模型的建立是个性化知识服务的重要研究内容.本文将Ontology技术与个性化知识服务结合起来,研究用户兴趣知识的Ontology表示,并以此为基础提出了一种动态的用户兴趣学习和挖掘方法,分析了该方法中参考Ontology的建立、用户兴趣知识的初步学习和用户兴趣模型的完善等关键步骤.研究结果表明,基于Ontology的用户兴趣挖掘可以较为准确地表示、跟踪和学习用户的个性化知识,实现隐性用户兴趣的发现和利用,满足用户特殊的信息需求,是一种提高个性化知识服务质量的有效方法. 相似文献
4.
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
5.
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
6.
基于领域本体的数字图书馆动态用户兴趣模型的构建 总被引：1，自引：0，他引：1
7.
网络用户信息浏览行为研究 总被引：2，自引：0，他引：2
信息查寻是网络用户最为重要的信息活动,网络环境中,浏览已经是一种与检索同等重要的信息查寻行为.分析了网络用户信息浏览行为的影响因素和动机,介绍了网络用户信息浏览的不同方式,探讨了网络用户信息浏览的心理模式及具体的应用,并对将来网络用户信息浏览行为的研究趋势进行了预测. 相似文献
8.
本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。 相似文献
9.
作为个性化信息推送的基础和核心,了解用户兴趣并将用户兴趣信息实时交付图书馆,是图书馆个性化服务的关键。在对图书馆个性化服务模式和小数据关系分析的基础上,文章研究了基于小数据的读者兴趣发现与动态更新,可增强图书馆对读者兴趣的预测准确性,并提升图书馆个性化服务推荐的效率。 相似文献
10.
[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
11.
基于点击流数据的用户近期兴趣视图生成方法 总被引：1，自引：0，他引：1
利用点击流数据综合分析用户点击行为，同时考虑用户对所点击页面的浏览行为和具体内容，分别引入操作行为权重和特征词条权重，提出一种基于点击流数据的用户近期兴趣视图生成方法。 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.
15.
用户兴趣模型的建立和维护是个性化推荐服务系统研究和开发中的一个关键问题.细粒度兴趣通过在用户兴趣特征集中区分用户的不同兴趣主题类别来发现,是对粗粒度用户兴趣的进一步挖掘和划分.本文针对以往粗粒度用户兴趣建模存在的不足,对细粒度用户兴趣建模的概念和主要方法进行简介和评述.在此基础上,提出一种基于领域本体和近邻概念聚集的细粒度用户兴趣建模方法(FUPMo).该方法通过滑动窗口控制用户兴趣概念的计算规模,通过时间窗口和兴趣衰减函数反映用户兴趣的变化.基于军用飞机领域本体OntoAvion和小规模文档库进行的实验研究表明,该细粒度用户兴趣建模方法在应用上具备有效性. 相似文献
16.
Web站点用户浏览模式自动分类可以更好地组织站点上的内容信息来满足不同用户的访问需求.Web使用挖掘技术已经在这项研究中得到了广泛的应用,但是集成Web内容挖掘的成果还不多见.本文首先给出了结合Web内容和使用挖掘技术的用户浏览模式分类的原型系统框架.系统中主要的过程是:对数据集中原始的Web服务器日志进行清理,使用Web使用挖掘技术从用户浏览会话中挖掘出有代表性的用户浏览模式,根据模式中每一个相关的页面内容抽取出一个N-gram集合,构建基于N-gram的用户浏览模式简档.最后本文对用户浏览会话作了分类实验分析,实验结果表明这个方法在N-gram=6,df=10%的情况下取得了较高的分类精确度. 相似文献
17.
基于关系社区发现改进的用户兴趣建模 总被引：1，自引：0，他引：1
本文着重研究了社会网络环境下的用户关系社区发现及在此基础上的用户兴趣建模问题.在阐述复杂网络中社区发现机理和研究进展的基础上,本文针对社会网络环境下用户兴趣多元化及关系社区小规模化和交叉性等特点,从模块度改进的角度进行关系社区发现算法的改进.进而从社区和个体两个层面进行了用户兴趣模型构建,提出将两者加权融合实现用户整体建模的思路.对比试验表明,基于关系社区的用户建模在在查全率方面具有优越性. 相似文献
18.
[目的/意义]通过眼动实验探究移动用户音乐信息浏览行为的影响因素,为移动用户提高浏览行为的效率、app设计者优化可浏览性功能与服务提供理论依据。[方法/过程]选择情境和领域知识两个主要变量,研究在不同情境下领域知识水平对音乐信息浏览行为的影响。在眼动实验中将被试分为高领域知识水平组和低领域知识水平组,要求其按指定的任务浏览基于网易云音乐app修改的音乐信息,对浏览的眼动数据进行统计分析。[结果/结论 ]研究发现,在兴趣驱动情境下,高领域知识组和低领域知识组被试的信息浏览行为不存在显著差异;而在任务驱动情境下,两组被试的信息浏览行为存在显著差异。研究表明,在兴趣驱动情境下,用户的领域知识水平不会对其信息浏览行为产生影响;在任务驱动情境下,高领域知识水平的用户能够通过浏览更快速获取目标信息。 相似文献
19.
20.
面对因特网的海量信息,为了更好地实现基于用户兴趣的个性化信息服务,提出一种隐式地获取并更新用户兴趣模型的方法利用用户模型捕捉用户的点击历史信息如何同其兴趣相关;基于用户模型的学习模型通过学习用户的点击历史数据来标识用户的个人兴趣;通过学习到的用户喜好信息来对搜索结果予以再排序,从而实现个性化搜索信息呈现.设计了用户兴趣学习算法与个性化排序算法.实时数据实验显示,即使在用户兴趣主题数增加的情况下,本方法仍能较好地描述用户的兴趣类型及兴趣度,提高个性化信息服务的质量与效率. 相似文献