共查询到18条相似文献,搜索用时 250 毫秒
1.
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
2.
3.
[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
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.
[目的/意义] 针对"互联网+"背景下科研用户群体知识需求的个性化和全局性特点,研究如何基于科研用户兴趣模型构建知识推送服务模式问题。[方法/过程] 通过梳理研究现状,从知识需求独特性和知识需求状态多变性两个视角进行"隐式+显式"科研用户兴趣模型与知识推送契合性分析。从个性化与全局化视角构建"隐式+显式"科研用户兴趣模型,并通过知识发掘与整合-知识推送-推送服务评价等过程为推送模式提供数据支持和决策支撑,满足科研用户特殊的知识需求。[结果/结论] 实证研究结果表明,该模式可以从个性化和全局化两个视角满足科研用户特殊需求。 相似文献
6.
[目的/意义]为旅游景点生成高质量的文化资源标签,解决文化旅游服务中信息检索困难、推荐形式单一的问题。[方法/过程]首先,设计包含显式和隐式两种标签类型的文化资源标签体系;然后,提出基于特征词筛选和噪声词过滤的显式标签生成方法,以及设计隐式标签中文化感知强度和文化感知相似度的计算方法,并基于以上方法生成景点文化资源标签;最后,针对旅游信息服务中的不同场景,提出基于文化资源标签的检索和推荐方法。[结果/结论]以武汉市的真实旅游数据为例进行实证研究,结果表明,基于本文方法生成的标签能够准确刻画景点的文化资源特征,基于标签的检索和推荐方法均具备较强的可解释性,可有效提升信息服务的透明度和用户对结果的信任度,对其他领域的推荐解释性研究具有参考价值。 相似文献
7.
[目的/意义]以现有图书馆借阅记录为基础,结合图书阅读相关性进行深入挖掘,探讨识别借阅场景下图书专业性质量和实现相应个性化图书推荐服务的有效方法。[方法/过程]利用图书的阅读相关性提出图书相关性链接关系,结合图书质量的迭代识别算法来识别专业图书资源。同时利用图书类别相关性链接关系,提出读者用户个性化模式的表达方法,并从长期兴趣推荐和短期兴趣的即时推荐两个方面给出个性化图书推荐策略设计原理和实现方法。[结果/结论]在图书质量识别方面,该方法更易于识别出专业性较强的优质图书资源,适用面比较灵活,也可以在限定图书范围内进行专业图书识别。在个性化图书推荐方面,发现不论长期兴趣推荐方法还是短期兴趣推荐方法,第二类用户的平均推荐命中度要高于第一类用户,在第一类用户中,最高相似度区间(75%以上)和较低相似度区间(15%-50%)的短期兴趣推荐方法的平均推荐命中度要高于长期兴趣推荐方法。本研究通过读者借阅序列分析方法识别专业图书并实现相应的个性化推荐图书方法,有利于改善现有图书馆借阅服务水平和提高读者的满意度。 相似文献
8.
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
9.
10.
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
11.
12.
数字图书馆个性化信息检索模型研究* 总被引:3,自引:0,他引:3
许春漫 《现代图书情报技术》2006,1(3):15-19
结合向量空间技术、Agent技术、Web日志挖掘等技术提出了一个基于概念的数字图书馆个性化信息检索模型。该模型根据用户主动提供的初始信息建立基于概念的用户兴趣模型,利用用户对文档的主动评价和用户的访问行为更新用户兴趣模型,并将用户兴趣模型用于检索结果的相关度排序和最新信息的推荐以及合作推荐。最后给出系统的实现方法。 相似文献
13.
14.
基于Ontology的个性化检索 总被引:4,自引:0,他引:4
目前检索工具的设计大都面向所有用户,而不考虑用户个人的特殊信息需求。本文提出一种基于Ontology的个性化检索方法,该方法自动学习用户查询的历史记录,构建用户兴趣模型,以此推导用户新提问的真正意图,满足用户特殊的信息需求。该方法适用于Internet特定领域或者特定用户群、企业网等智能信息检索。 相似文献
15.
16.
17.
基于本体构建的协同推荐研究 总被引:2,自引:0,他引:2
通过构建领域本体,利用用户兴趣与领域本体中概念的映射关系,构建用户兴趣本体,发掘用户兴趣模式。研究用户兴趣本体相似度的计算方法,并通过用户兴趣相似度进行垂直加权,通过时间新颖度进行水平加权,从而利用改进的加权关联规则挖掘算法对用户感兴趣的领域本体中的概念进行挖掘,实现面向内容的协同推荐。 相似文献
18.
基于Web挖掘技术的用户兴趣本体学习研究 总被引:2,自引:1,他引:1
目前针对基于关键词的用户模型不能从语义上表达用户需求真正内涵,基于领域本体的用户模型多数忽略研究概念间非分类关系和语义应用环境较分散等缺陷。本文提出一种循环式的基于Web挖掘技术的用户兴趣本体学习模型,即综合应用统计分析、关联规则和聚类分析等技术进行电子商务领域用户兴趣概念及概念间分类与非分类关系学习,面对用户兴趣的迅速变化,还提出一种传递激活方法来实时更新本体或重新进行本体学习,以不断提高该本体的质量。经验证,基于该本体的用户模型在文本过滤等应用中能较上述两种用户模型满足用户个性化服务需求。 相似文献